Modifier un seul paramètre désactive le filigrane dans les anciens modèles Claude

Le filigrane textuel semble être une solution pratique : le modèle marque discrètement sa propre réponse, puis l’entreprise la vérifie à l’aide d’un détecteur. Mais l’implémentation d’Anthropic sur plusieurs anciens modèles Claude dépend des paramètres de génération. Il suffit de modifier l’un des trois paramètres — temperature, top_p ou top_k — pour que le marquage invisible cesse d’être appliqué.

Pour les développeurs, il ne s’agit pas d’un simple tour de passe-passe. Si un produit utilise le filigrane pour l’audit, le respect des règles internes ou l’étiquetage des contenus, un réglage API courant peut discrètement mettre à terre l’ensemble du dispositif de contrôle.

Comment fonctionne le marquage invisible

Anthropic décrit son filigrane comme un motif statistiquement détectable dans le choix des mots. Aucun caractère spécial, champ technique ou jeton supplémentaire n’est ajouté à la réponse. À la place, à chaque étape de la génération, le modèle modifie légèrement la probabilité des différentes options possibles. Pour un humain, le texte paraît ordinaire ; le détecteur, lorsqu’il dispose d’un extrait suffisamment long, recherche une distribution caractéristique des mots.

Exemple simple : un modèle peut poursuivre une phrase de plusieurs manières dont le sens est proche. Sans marquage, il sélectionne une variante selon les probabilités initiales. Avec le marquage, certains mots appropriés bénéficient d’une légère priorité selon une règle secrète. Après des centaines de choix de ce type, un signal détectable statistiquement s’accumule.

Le problème est que le choix du mot suivant dépend déjà de temperature, top_p et top_k. Ces paramètres contrôlent le degré d’aléatoire et l’ensemble des options accessibles au modèle. Sur Claude Opus 4.6, Opus 4.5, Sonnet 4.5 et Haiku 4.5, le filigrane n’est appliqué qu’avec les valeurs par défaut. La modification d’un seul paramètre suffit à faire sortir la requête du mode de marquage.

Là où le dispositif pratique échoue

Imaginons un service qui génère des descriptions de produits et promet à son client de marquer tous les contenus produits par l’IA. L’équipe consigne l’utilisation de Claude, branche le détecteur et considère le problème comme résolu. Un développeur réduit ensuite temperature afin d’obtenir des réponses plus stables. Les textes continuent d’être générés, l’API ne renvoie aucune erreur et le format des réponses ne change pas — mais le filigrane a disparu.

Le risque est particulièrement élevé lorsque les paramètres peuvent être transmis depuis l’interface utilisateur ou modifiés dans la configuration sans nouvelle vérification. Formellement, le système fonctionne toujours ; dans les faits, le contrôle de l’origine du texte est désactivé.

Il existe également un problème inverse : la présence d’un signal statistique ne transforme pas le détecteur en outil d’expertise judiciaire. Le texte peut être révisé, raccourci, traduit ou mélangé à des passages provenant d’autres modèles. La présence de plusieurs filigranes dans un même document peut aussi compliquer la vérification. Le résultat du détecteur doit donc être considéré comme un signal parmi d’autres, et non comme une preuve définitive.

Ce que les équipes doivent faire

Si le marquage est nécessaire à des fins de conformité, verrouillez côté serveur le modèle pris en charge ainsi que les valeurs de temperature, top_p et top_k. Ne permettez pas au client de les modifier directement. Ajoutez un test qui envoie des requêtes de contrôle et vérifie les réponses avec le détecteur officiel après chaque mise à jour du modèle, du SDK ou de la plateforme cloud.

Journalisez séparément l’identifiant du modèle, les paramètres de génération, le fournisseur d’infrastructure et l’heure de la requête. Un tel journal est plus utile qu’un marquage invisible isolé : il montre précisément comment le texte a été produit, même si le document est modifié par la suite.

La conclusion est simple : le filigrane d’Anthropic est un mécanisme complémentaire utile, mais il ne constitue pas encore un système de contrôle autonome. Si un processus doit distinguer de manière démontrable un texte humain d’un texte généré par une machine, l’examen du seul document final ne suffit pas. Il faut une chaîne de traçabilité comprenant des restrictions côté serveur, des journaux de requêtes, les versions des modèles et des tests de contrôle réguliers.