Claude signe ses textes avec un filigrane invisible

Anthropic annonce un watermarkage des sorties textuelles de ses modèles Claude. L’annonce est intervenue quelques jours avant le 22 août 2026, date de publication du décryptage de Sebastian Raschka. Le mécanisme vise à identifier un texte publié comme généré par un modèle Claude. L’auteur cite notamment Claude Opus 4.8 comme exemple de modèle concerné. Le watermark serait invisible pour les utilisateurs. Anthropic pourrait toutefois le décoder pour vérifier la provenance d’un texte. Cette fonction répond donc à un objectif d’identification, et non à une modification visible du contenu. Raschka présente son analyse dans une vidéo de 48 minutes, accompagnée d’une transcription et de plus de 50 diapositives. L’annonce d’Anthropic constitue la source initiale du procédé.

Raschka détaille un système que l’article d’Anthropic présentait d’abord de manière conceptuelle. L’auteur explique avoir publié auparavant une note courte sur le sujet. Les discussions suscitées par cette note l’ont conduit à préparer une présentation plus longue. Son projet initial prévoyait dix diapositives et une vidéo de dix minutes. La version finale dépasse 50 diapositives et atteint 48 minutes. Raschka indique que l’article original a été mis à jour plusieurs fois. Il renvoie aussi vers un article technique consacré au watermarkage. Sa présentation cherche à relier ces informations au fonctionnement interne des modèles de langage. Elle traite également des bénéfices, des limites et des possibilités de retrait du procédé. La vidéo complète reprend cette explication détaillée.

Claude modifie le prélèvement des tokens

Le modèle produit d’abord une distribution de scores pour le prochain token. Le texte d’entrée est converti en identifiants de tokens avant son passage dans le modèle. Celui-ci attribue ensuite un score à chaque élément de son vocabulaire. Dans l’exemple de Raschka, l’invite « the capital of Germany is » conduit au token « Berlin ». Le vocabulaire peut compter environ 250 000 tokens possibles. Le score le plus élevé se trouve ici à l’index 19 846. Le token sélectionné est ensuite reconverti en texte. Cette sortie est ajoutée à l’entrée avant une nouvelle itération. Le processus continue jusqu’à la production d’un token de fin. Le watermarkage intervient comme une modification limitée de cette génération habituelle.

Le choix dépend toutefois d’un procédé plus varié que la simple sélection du score maximal. Raschka rappelle que cette sélection directe porte le nom de décodage glouton. Les modèles de langage utilisent souvent d’autres méthodes d’échantillonnage. Une sélection toujours identique pourrait produire les mêmes réponses et rapprocher la génération d’une mémorisation des données d’entraînement. Le watermarkage s’insère donc dans cette étape de prélèvement du prochain token. L’auteur insiste sur le fait qu’il ne s’agit pas d’un mécanisme séparé et lourd. Son exposé utilise des schémas issus de ses supports consacrés à la construction d’un modèle de langage depuis zéro. Il présente cette approche comme un moyen de rendre l’implémentation plus lisible et manipulable.

La détection reste exposée au retrait

La présentation examine aussi les conditions de détection et de retrait du watermarkage. Raschka annonce explicitement des explications sur la manière dont le watermark peut échouer ou être supprimé. Le watermark reste invisible pour la personne qui lit le texte. Anthropic disposerait du moyen de le décoder afin d’identifier ses propres sorties. Cette propriété distingue le marquage décrit d’un signe directement visible dans les phrases. La vidéo ne transforme pas l’objectif déclaré en preuve d’efficacité générale. Elle expose plutôt le mécanisme, ses conséquences et ses limites possibles. Raschka invite ainsi son audience à évaluer les avantages et les inconvénients du procédé. Les diapositives disponibles complètent la transcription publiée le 22 août 2026.