---

Claude marque désormais tout ce qu’il écrit. Commencez par lire la page des limites.

Le 2 août 2026, les obligations de transparence de l’AI Act européen sont entrées en application. Anthropic a signé le Code of Practice de la Commission sur la transparence des contenus générés par IA, et a activé le marquage lisible par machine sur l’ensemble des surfaces Claude, dans le monde entier et pas seulement dans l’Union.

L’information a circulé vite, et les réactions étaient assez prévisibles. D’un côté, ceux qui applaudissent parce qu’ils croient que les universités viennent d’obtenir un détecteur de plagiat. De l’autre, ceux qui ont résilié leur abonnement en signe de protestation. Les deux camps sont passés à côté du passage intéressant de la page d’aide d’Anthropic. Ce n’est pas le watermark. C’est la section intitulée Limitations, où l’entreprise explique noir sur blanc qu’une marque détectée ne dit pas qui a écrit le texte.

J’écris en trois langues et j’utilise des modèles pour corriger mon anglais. Le sujet n’est donc pas très abstrait pour moi. Je le prends en trois couches : ce que la loi exige maintenant, ce qu’Anthropic a réellement livré, et ce que vous devriez changer dans votre pipeline ce mois-ci.

Couche 1 : ce qui est devenu applicable le 2 août

L’AI Act a été adopté en 2024 et s’applique par étapes. L’article 50 est le chapitre transparence, et il répartit les obligations entre ceux qui construisent les systèmes génératifs et ceux qui les utilisent à titre professionnel.

Le paragraphe 1 concerne les agents conversationnels. Si votre système d’IA interagit directement avec une personne, cette personne doit savoir qu’elle parle à une machine, sauf si c’est évident pour un utilisateur raisonnablement attentif compte tenu du contexte.

Le paragraphe 2 est celui dont tout le monde parle. Les fournisseurs de systèmes d’IA qui génèrent des contenus de synthèse audio, image, vidéo ou texte, y compris les systèmes à usage général, doivent marquer les sorties dans un format lisible par machine, détectable comme généré ou manipulé par une IA.

Le paragraphe 4 déplace la charge vers le déployeur. Si vous publiez un deepfake, vous le divulguez. Si vous publiez un texte généré ou modifié par IA sur un sujet d’intérêt public, vous l’étiquetez. Celui-là concerne votre équipe marketing, votre rédaction, votre agence de communication. Aucun watermark livré par Anthropic ne fera ce travail à votre place.

Le paragraphe 5 précise que l’information doit être claire et parvenir à la personne au plus tard lors de la première exposition au contenu.

Les sanctions ne sont pas théoriques. Un manquement aux obligations de l’article 50 expose à des amendes pouvant atteindre 15 millions d’euros ou 3 pour cent du chiffre d’affaires annuel mondial, le montant le plus élevé étant retenu. Et le règlement a une portée extraterritoriale : une entreprise établie hors de l’Union est concernée dès lors que ses sorties atteignent des utilisateurs européens. Cette phrase est toute la raison pour laquelle cet article est pertinent à Tunis.

Le Code of Practice, et le poids du mot “volontaire”

La Commission a publié le Code of Practice sur le marquage et l’étiquetage des contenus générés par IA le 10 juin 2026, rédigé par des experts indépendants après une consultation publique. Il comporte deux sections : une pour les fournisseurs de systèmes d’IA générative, qui traite de la provenance et de la détection, et une pour les déployeurs, qui traite de l’étiquetage visible des deepfakes et des textes d’intérêt public. Vous signez les sections qui vous concernent, et seulement celles-là.

Le 8 juillet, la Commission a conclu que le Code était adéquat pour la mise en œuvre des articles 50(2), (4) et (5). L’AI Board a suivi le lendemain. Les lignes directrices finales sont sorties le 20 juillet. Environ 190 organisations avaient signé à la fin du mois, dans l’informatique, les télécoms, l’éducation et la distribution, et près de la moitié étaient de petites structures ou des entreprises récentes.

La signature est volontaire dans le sens où rien ne vous y oblige. Elle ne l’est pas dans le sens où ça n’aurait aucune conséquence. Pour les signataires, l’AI Office a annoncé que la surveillance porterait sur le respect du Code. Tous les autres conservent la charge de convaincre une autorité nationale de surveillance, au cas par cas, que le dispositif qu’ils ont inventé à la place est suffisant. Refuser de signer ne supprime aucune obligation. Ça supprime le raccourci pour prouver qu’on les a respectées.

Un détail qui évitera une mauvaise semaine à quelqu’un : les contenus générés avant le 2 août 2026 n’ont pas à être marqués rétroactivement. Personne ne vous demande de repasser sur vos archives.

Couche 2 : ce qu’Anthropic a réellement livré

Anthropic a signé le Code en tant que fournisseur de modèles d’IA générative et de systèmes d’IA générative. Les deux casquettes, ce qui compte, parce que les obligations rattachées à chacune ne sont pas les mêmes.

L’engagement se décompose ainsi. Les modèles Claude lancés dans l’Union le 2 août 2026 ou après supportent le marquage dès leur mise à disposition. Les modèles sortis avant cette date relèvent de la période de transition prévue par la loi, et Anthropic indique que leur mise à niveau est en cours. Le marquage couvre les sorties des modèles supportés sur Claude Platform (l’API), Claude, Claude Code, Claude Cowork et Claude Tag, ainsi que l’accès à ces modèles via AWS, Google Cloud ou Microsoft Foundry. Et il s’applique partout où Claude est proposé, dans le monde entier.

Ce dernier point mérite qu’on s’arrête. L’article 50 encadre les systèmes d’IA mis sur le marché européen. Il ne contient aucun mécanisme qui contraindrait une entreprise américaine à marquer un appel API émis depuis Tunis, Singapour ou São Paulo. Anthropic a appliqué la marque globalement quand même. Si vous cherchiez un paramètre de région pour vous en exclure, il n’existe pas.

Deux techniques, parce qu’une seule ne suffit jamais

Pour le texte, un modèle Claude supporté intègre un watermark imperceptible dans le texte lui-même. Anthropic affirme que cela ne change ni le sens, ni la qualité, ni la lisibilité de la réponse, et comme le signal vit dans le texte et non dans un en-tête de fichier, il survit au copier-coller et, selon la formulation prudente de l’entreprise, peut persister à travers certaines modifications. Le marquage se fait au niveau du modèle, donc peu importe le produit ou la surface d’où sort le texte.

Pour les fichiers, Claude attache des métadonnées de provenance signées aux types supportés comme .svg, .png et .jpg. Le format suit C2PA, le standard ouvert de la Coalition for Content Provenance and Authenticity, déjà utilisé dans l’industrie. Une étiquette signée indique qu’un fichier a été traité par Claude et permet de vérifier s’il a été altéré ensuite. Anthropic précise que les métadonnées signées ne sont pas forcément supportées sur toutes les plateformes cloud, cela dépend de ce que chacune expose.

Deux techniques plutôt qu’une, ce n’est pas un détail d’implémentation, c’est l’attente du régulateur. Le Code est explicite : aucune méthode de marquage n’est suffisante à elle seule. D’où la logique de superposition, métadonnées signées, watermarking imperceptible, et solutions de repli comme le fingerprinting ou la journalisation.

La partie qui n’est pas encore livrée

La détection. Anthropic s’est engagé à permettre aux utilisateurs et aux tiers de vérifier si un texte ou un fichier porte une marque Claude, comme le Code l’exige, et annonce une documentation technique à venir. À ce jour elle n’est pas publiée. L’entreprise n’a pas non plus expliqué comment le watermark textuel est intégré ni comment il est vérifié. Donc tout ce que vous lirez sur le mécanisme, y compris ce que je pourrais supposer, relève de la spéculation.

L’état du monde aujourd’hui, c’est un système de marquage en production et un système de vérification annoncé. Gardez ça en tête pour la couche suivante.

Couche 3 : ce qu’une marque détectée prouve vraiment

La réponse d’Anthropic, reformulée depuis sa page d’aide : une marque indique que le contenu a peut-être été traité par Claude, et elle n’est pas concluante à elle seule.

Relisez, parce que l’écart entre “traité par” et “écrit par” est exactement l’endroit où tous les mauvais usages en aval vont se produire.

L’entreprise détaille pourquoi. Claude n’est peut-être pas l’auteur d’origine, puisqu’on l’utilise pour relire, traduire, résumer et convertir des fichiers, et la sortie porte la marque même quand les idées et les mots viennent d’un humain. Le contenu peut aussi avoir changé après le passage de Claude, par édition, extraction, ou mélange avec d’autres matériaux.

L’échec fonctionne dans les deux sens, et le second est celui qui démolit le fantasme répressif. L’absence de marque ne signifie pas que le contenu est humain. Anthropic liste les cas : texte produit par un modèle sorti avant le support du marquage, texte fortement édité, paraphrasé, traduit ou fondu dans une autre rédaction, passages trop courts pour porter un signal fiable, fichiers dont les métadonnées ont été retirées par une conversion de format, un réenregistrement ou une capture d’écran, et sorties issues d’une plateforme ou d’un type de fichier où ce marquage n’était pas supporté.

Mettez les deux listes côte à côte et vous obtenez un signal qui n’est ni nécessaire ni suffisant. Présent, il veut dire que quelque chose est probablement passé par Claude. Absent, il ne veut rien dire du tout.

Pourquoi ça me gêne plus que l’angle vie privée

La plainte la plus bruyante en ligne portait sur le fait que des clients payants devraient recevoir des sorties non marquées. Cet argument ne m’intéresse pas beaucoup. Voici celui qui m’intéresse.

L’étudiant qui veut tricher fait passer la sortie dans un paraphraseur, un second modèle, ou un aller-retour par une autre langue, et le signal se dégrade ou disparaît. Coût de l’évasion : une étape de plus, trente secondes.

Pendant ce temps, j’écris un post en français, je le colle dans Claude pour corriger mon anglais, et je publie un texte dont les idées, la structure et les défauts sont entièrement les miens, en portant une marque qu’un détecteur lira comme “généré par IA”. Coût de mon honnêteté : un signalement que je ne peux pas retirer et que, tant que la documentation de détection n’est pas sortie, je ne peux même pas inspecter.

Cette asymétrie pénalise les locuteurs non natifs, les personnes en situation de handicap qui utilisent des aides à la rédaction, et globalement tous ceux qui utilisent ces outils comme ils sont réellement utiles, c’est-à-dire comme éditeur et pas comme rédacteur fantôme. Anthropic a documenté la limite correctement. Le problème, c’est que cette limite vit dans un article de centre d’aide, alors que les personnes qui agiront sur la base de la marque sont des administrations universitaires, des outils de tri de CV et des systèmes de modération de plateformes. Aucun de ces trois ne lit les centres d’aide.

Il y a une deuxième question ouverte à surveiller : qui aura le droit de lancer une détection. Si la vérification finit derrière un portail réservé à Anthropic ou à une courte liste de partenaires agréés, alors un étudiant accusé sur la base d’une marque ne pourra pas vérifier l’accusation de façon indépendante, et la commission de recours de son établissement non plus. Le Code impose aux fournisseurs de permettre la détection par des tiers, donc l’intention va dans le bon sens. C’est le mécanisme qu’on n’a pas encore vu.

Ce que ça ne règle pas, malgré les titres

Le plagiat à l’université : pas réglé, pour la raison ci-dessus. Le dispositif augmente légèrement l’effort de triche et produit une nouvelle catégorie de fausses accusations.

Les deepfakes : à peine touchés. Les images et les vidéos reçoivent des métadonnées C2PA, ces métadonnées meurent dès qu’on fait une capture d’écran, et la capture d’écran est précisément ce qui arrive à toute image qui devient virale. Plus important encore, l’obligation de divulguer un deepfake pèse sur le déployeur au titre de l’article 50(4), pas sur le fournisseur du modèle. C’est un problème d’organisation et de processus interne, et aucun éditeur ne le résoudra pour vous.

La checklist

Voilà la partie sur laquelle j’agirais réellement. Découpée selon qui vous êtes.

Si vous construisez sur l’API Claude

Anthropic le dit franchement : si vous déployez Claude dans votre produit, évaluez de façon indépendante ce que l’article 50 exige de votre produit. Leur conformité n’est pas la vôtre. Concrètement :

• Déterminez quels paragraphes vous lient. Une interface de chat déclenche l’obligation d’information du 50(1), quoi que fasse le modèle. Publier du texte généré sur des sujets d’intérêt public, ou des médias synthétiques représentant des personnes réelles, déclenche l’étiquetage du 50(4) chez vous.
• Tranchez sur le Code of Practice. La section 2 est celle des déployeurs. Vous signez et la surveillance porte sur le respect du Code, vous ne signez pas et vous portez la charge de la preuve. Les deux choix se défendent, mais faites-en une décision avec une date et un responsable, pas un sujet que personne n’a regardé.
• Inventoriez vos modèles et vos surfaces. Le comportement de marquage dépend de la date de lancement du modèle et de la surface qui a produit la sortie. Si vous êtes épinglé sur un modèle antérieur à août, ne supposez pas que ses sorties sont marquées.
• Ne mettez pas encore un détecteur Claude dans votre roadmap. La documentation technique n’est pas publiée. Concevez le workflow pour que la détection soit un ajout tardif, pas une dépendance.
• Auditez votre pipeline sur la destruction de métadonnées. Génération de vignettes, optimiseurs d’images, conversion de format et réenregistrement suppriment C2PA. Si la provenance compte dans votre produit, testez où elle meurt.
• Faites entrer l’obligation d’étiquetage dans vos contrats clients. Si vous développez pour un client européen, quelqu’un doit porter la divulgation du 50(4), et vous voulez que ce soit écrit avant qu’un régulateur pose la question.

Si vous produisez du contenu

• Gardez votre propre provenance. Brouillons horodatés, journaux de prompts, historique d’édition dans un outil qui conserve les versions. Quand un faux positif vous tombe dessus, votre défense est votre processus, pas l’absence de marque.
• Partez du principe qu’un texte traduit ou relu revient marqué. Décidez canal par canal si ça vous pose problème.
• Si vous publiez du texte assisté par IA sur des sujets d’intérêt public, étiquetez-le vous-même et arrêtez d’attendre l’outillage.

Si vous êtes aux RH, dans l’éducation ou en rédaction

• N’écrivez pas une règle qui traite une marque détectée comme une preuve d’auctorialité. La documentation d’Anthropic contredit cette lecture, et on peut vous montrer la page.
• Ne traitez pas non plus un scan propre comme une preuve qu’un humain a écrit. Cette inférence est encore plus faible.
• Rédigez la procédure de recours avant d’en avoir besoin, et décidez qui a le droit de lancer une vérification et sur quelles bases. Les institutions qui sautent cette étape découvrent leur procédure en public, pendant le premier litige.

Ce qui vient ensuite

Les signataires sont invités dans deux groupes de travail de la Commission à partir de septembre 2026, où s’échangeront les retours d’implémentation et les pratiques du secteur. La détection est le point à suivre, avec la question de savoir jusqu’où la marque d’un fournisseur voyage avant que quelqu’un en aval la traite comme une preuve.

Tant que cette documentation n’existe pas, la lecture honnête d’une marque Claude tient en une phrase courte : quelque chose est probablement passé par Claude, à un moment, dans un rôle indéterminé. Toute affirmation plus assurée que celle-là n’est pas soutenue par l’éditeur qui l’a construite.

Sources

• Anthropic, How Claude marks AI-generated content : https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content
• Commission européenne, signature du Code of Practice sur la transparence des contenus générés par IA (FAQ) : https://digital-strategy.ec.europa.eu/en/faqs/signing-code-practice-transparency-ai-generated-content
• Commission européenne, soutien large au Code of Practice : https://digital-strategy.ec.europa.eu/en/news/strong-backing-code-practice-transparency-ai-generated-content
• Reed Smith, sur la décision d’adéquation et les lignes directrices finales de l’article 50 : https://www.reedsmith.com/our-insights/blogs/viewpoints/102nbz0/transparency-obligations-for-ai-generated-content-the-code-of-practice-adequacy/
• Wilson Sonsini, publication du Code of Practice par la Commission : https://www.wsgr.com/en/insights/eu-commission-publishes-ai-transparency-code-of-practice.html
• Faegre Drinker, sur l’adéquation, la portée extraterritoriale et les sanctions : https://www.faegredrinker.com/en/insights/publications/2026/7/eu-ai-act-commission-confirms-transparency-code-of-practice-as-adequate-and-publishes-final-version-of-its-guidelines-on-transparency-obligations
• Tech Policy Press, explication du Code of Practice : https://www.techpolicy.press/the-eus-ai-transparency-code-of-practice-explained/
• Euronews, sur l’application mondiale et le plafond des sanctions : https://www.euronews.com/next/2026/08/11/eu-compliance-delivered-globally-anthropic-to-watermark-claudes-output-worldwide