Claude ne filigrane pas votre texte. Anthropic n’a jamais intégré de filigrane caché dans la sortie de Claude, et il n’existe aucun marqueur invisible que vous devez supprimer. Ce qui est signalé n’est pas du tout un filigrane — c’est la texture statistique de la prose elle-même. C’est un problème différent, et il a une solution différente.
Que signifie réellement « filigrane » ici ?
Un filigrane, au sens technique, est un signal délibérément intégré dans un texte généré afin qu’il puisse être détecté ultérieurement. Il est ajouté intentionnellement, par le fournisseur du modèle, et il voyage avec les mots. Un détecteur qui connaît la clé peut le rechercher.
Ce n’est pas ce qui se passe avec Claude. Il n’existe aucun schéma public de filigrane d’Anthropic pour le texte, aucune clé que vous pouvez demander, et aucun marqueur dans la sortie que vous pouvez supprimer. Si un détecteur signale votre brouillon Claude, ce n’est pas qu’il trouve une balise cachée. C’est qu’il trouve des motifs.
La confusion est compréhensible. Le filigrane est un véritable domaine de recherche, et l’histoire d’OpenAI l’a fait paraître imminent. Selon writehuman.ai (https://writehuman.ai/blog/does-chatgpt-watermark-text), OpenAI a développé une technologie de filigrane deux ans avant de livrer quoi que ce soit, l’a évaluée en interne comme efficace à environ 99,9 pour cent, et a décidé de ne pas la publier. C’est la situation d’OpenAI, pas celle d’Anthropic — mais cela explique pourquoi les gens supposent que chaque modèle le fait.
Il y a aussi un véritable piège ici : les caractères Unicode invisibles. Au printemps 2025, des utilisateurs ont repéré des caractères d’espacement invisibles inhabituels dans la sortie de ChatGPT et ont déclaré avoir trouvé le filigrane secret, selon le même article de writehuman.ai. L’explication d’OpenAI était moins dramatique. Claude n’ajoute pas non plus ces caractères, mais l’épisode vaut la peine d’être connu car c’est le seul cas où « filigrane » désigne un caractère littéral que vous pourriez supprimer.
Pourquoi le texte Claude est-il signalé s’il n’y a pas de filigrane ?
Parce que les détecteurs ne cherchent pas de filigranes. Ils examinent les propriétés statistiques du texte : à quel point chaque mot est prévisible compte tenu des mots qui le précèdent, dans quelle mesure la longueur des phrases varie, à quelle fréquence certaines locutions de liaison apparaissent. Le registre par défaut de Claude — propre, équilibré, au rythme régulier — obtient un score différent de celui d’une personne qui écrit rapidement et de façon irrégulière.
Nous l’avons testé sur notre propre instrument. Le 2026-09-28, nous avons évalué deux corpus avec le détecteur DeAIze (ensemble local, niveau lite) à un seuil de signalement de 30 % :
- Échantillon de référence : 709 passages issus de guides DeAIze non marqués comme générés. Score IA moyen 26 %, médiane 25 %, plage 0-69 %. Scores égaux ou supérieurs au seuil de 30 % : 239 sur 709.
- Sortie de modèle non éditée : 12 passages générés à partir d’invites fixes et non édités. Score IA moyen 33 %, médiane 34 %, plage 4-46 %.
Lisez ces chiffres attentivement. La sortie de modèle non éditée a obtenu un score moyen plus élevé, mais les plages se chevauchent fortement, et l’échantillon de référence a tout de même franchi le seuil dans des centaines de cas. La construction des passages visait 140 mots, les passages finaux admissibles pouvant être plus courts, et les passages d’un même guide ne sont pas des échantillons indépendants. Il s’agit de nombres de passages, non de nombres de documents indépendants, et non d’un taux vérifié de faux positifs sur des textes humains.
Ce que cela vous dit : un signalement est un indice sur la texture de la prose, pas une preuve de paternité. Et cela peut arriver à des textes qu’aucun modèle n’a touchés.
Si vous voulez voir lesquelles de vos propres phrases portent le signal, DeAIze met en évidence chacune d’elles par probabilité d’IA plutôt que de vous donner un seul chiffre. L’essai de réécriture vous donne 200 mots après confirmation par e-mail, sans carte de crédit — consultez les options tarifaires avant de vous engager.
Un exemple concret que vous pouvez vérifier vous-même
Voici une illustration, pas une mesure. Prenez cette phrase :
Avant : « La mise en œuvre de cadres robustes de gouvernance des données est essentielle pour les organisations cherchant à maintenir la conformité tout en permettant l’innovation au sein d’équipes réparties. »
Chaque proposition est équilibrée. Trois noms abstraits s’enchaînent. Le rythme est régulier. Rien n’y est faux — c’est simplement sans friction, et la prose sans friction est ce que les détecteurs pondèrent fortement.
Après : « Si vos équipes sont dans des bureaux différents, quelqu’un doit décider qui possède les données clients. Ratez ça et le travail de conformité s’enlise. Nous l’avons appris à nos dépens en 2023. »
Plus court. Irrégulier. Un détail concret (une année, une décision, un petit aveu). La deuxième version est plus difficile à écrire et plus facile à lire.
Cet écart — entre fluide et précis — constitue l’essentiel de ce que le score mesure. C’est aussi pourquoi la solution est de réécrire, pas de dépouiller.
La comparaison : ce qui supprime réellement un signalement
| Approche | Ce qu’elle modifie | Ce qu’elle coûte | Idéale pour | Attention à |
|---|---|---|---|---|
| Chercher un filigrane | Rien — il n’y en a pas dans la sortie Claude | Votre après-midi | Très peu de choses, honnêtement | Temps perdu ; l’Unicode invisible est une curiosité côté ChatGPT |
| Paraphraser avec un dictionnaire de synonymes | Le choix des mots uniquement | Gratuit | Pas grand-chose | Le sens dérive ; le rythme reste mécaniquement uniforme |
| Réécrire phrase par phrase | Le rythme, le concret, la précision | Votre attention | Les brouillons que vous avez réellement rédigés | Plus lent qu’un bouton ; vous devez vérifier les affirmations |
| Passe générique d’humanisation | Les motifs de surface | Varie selon le forfait | Le nettoyage en masse d’un premier brouillon | Peut modifier silencieusement les négations et les quantités |
| Humaniseur DeAIze | Suggère une formulation révisée par phrase | Starter 20,99 $ / 1 000 mots ; Standard 44,99 $ / 3 000 ; Pro 99,99 $ / 10 000 ; Max 199,99 $ / 30 000. Les crédits n’expirent jamais, sans abonnement | Rédiger votre propre brouillon tout en conservant vos affirmations | La similarité sémantique est une aide à la révision, pas une preuve — vérifiez chaque chiffre vous-même |
Pour situer ce à quoi ressemble un forfait payant d’humanisation ailleurs : writehuman.ai (https://writehuman.ai/blog/does-chatgpt-watermark-text) indique que le forfait gratuit de WriteHuman couvre trois humanisations par mois de 250 mots chacune, sans carte bancaire requise. C’est une façon raisonnable de tester un outil avant de payer, quel que soit l’outil que vous choisissez.
Quand ce n’est pas le bon choix
N’achetez pas un humaniseur si l’une de ces descriptions vous correspond.
Vous n’avez pas écrit le travail sous-jacent. La réécriture sert à peaufiner votre propre brouillon. Si les idées, les données ou les conclusions ne sont pas les vôtres, aucun outil ne corrige cela, et en utiliser un pour le dissimuler est un problème entièrement différent.
Vous êtes dans un litige formel. Si un jury, une revue ou un employeur a signalé votre travail, conservez le fichier original, sauvegardez vos brouillons et l’historique des versions, et suivez la procédure. Un humaniseur n’est pas une preuve, et faire passer votre texte par un tel outil avant une audience peut ressembler à une altération de preuves. Voir ce que les jurys évaluent réellement avant de toucher au fichier.
Votre établissement interdit purement et simplement l’outil. Vérifiez d’abord la politique. Certains autorisent l’aide à la rédaction, d’autres non.
Le texte est court. Une légende de 60 mots ne donne presque rien à analyser à un détecteur, et ne vous donne presque rien à corriger.
Comment réellement réduire le signal dans un texte Claude
- Lancez la détection d’abord, avant de modifier. Vous devez savoir quelles phrases portent le signal. Un score sur l’ensemble du document vous indique s’il faut s’en préoccuper ; la mise en évidence des phrases vous indique par où commencer.
- Corrigez les phrases plates, pas toutes. Reconstruisez celles qui ont obtenu un score élevé. Laissez les autres tranquilles — trop modifier produit un autre type d’uniformité.
- Ajoutez ce qu’un modèle ne peut pas savoir. Une date, un nom, un chiffre tiré de vos propres notes, une décision que vous avez prise et regrettée. Les détails précis sont la chose la plus difficile à falsifier et la plus facile dont on peut détecter l’absence.
- Cassez le rythme exprès. Si trois phrases d’affilée font à peu près la même longueur, réduisez-en une à cinq mots ou scindez-la.
- Vérifiez chaque affirmation après la réécriture. Comparez la révision avec votre original. Vérifiez les quantités, les citations, les négations et les nuances ligne par ligne. Une réécriture qui inverse un « ne… pas » est pire que le signal que vous essayiez de corriger.
- Re-scorez et comparez. Si le chiffre a à peine bougé, le problème n’était pas la texture de surface.
Si vous travaillez sur un document plus long, la méthode d’édition au niveau des phrases détaille la même passe plus en profondeur.
Que faire de la réponse honnête
Il n’y a pas de filigrane dans votre texte Claude. C’est la bonne nouvelle, et c’est aussi la moitié la moins utile de la réponse. Le signal qui vous inquiète vient de la façon dont la prose se lit, et c’est réparable — en modifiant, pas en supprimant.
La partie inconfortable : aucun résultat de détecteur ne prouve la paternité d’un texte, y compris le nôtre. Un score est une lecture de la texture, pas un verdict sur qui a tapé les mots. Si vous avez écrit le brouillon et utilisé Claude pour vous aider à le façonner, votre travail consiste à faire en sorte que la version finale donne l’impression que vous y avez réellement réfléchi. C’est une tâche d’écriture, et elle mérite d’être faite correctement.
Note de mesure : les chiffres de cet article proviennent de notre propre détecteur exécuté le 2026-09-28 — n = 709 passages de référence issus de guides non marqués comme générés contre n = 12 passages de modèle non édités, score médian d’IA de 25 % et 34 % respectivement. La paternité des références n’a pas été vérifiée de manière indépendante ; les passages ne sont pas des documents indépendants. Méthode : /methodology/.