Le filigrane de Claude a tenu 9 jours : un outil open-source l’a dégommé

Le 2 août 2026, Anthropic se plie à l’article 50 de l’AI Act et commence à filigraner en silence tous les textes générés par Claude. Le 11 août, un développeur parisien sort un outil open-source qui promet de retirer ce filigrane. Entre les deux : 9 jours. Et entre-temps, le repo a dépassé les 14 000 étoiles sur GitHub.

Qui est Guillaume ?

Guillaume Meyer, entrepreneur tech à Paris, fondateur de Memo (un outil IA pour les marques e-commerce). Sa première version de watermarks-remover, il l’a construite en 5 heures — c’est lui qui le raconte à Business Insider. Le projet est sous licence MIT, il vise pas que Claude : Gemini/SynthID-Text, OpenAI, et les schémas open-LLM (green-list de Kirchenbauer, Gumbel/EXP d’Aaronson) y passent aussi.

Concrètement, l’outil attaque sur 3 couches :

  • Unicode invisible : espaces exotiques, caractères bidi, tag chars — nettoyage déterministe
  • Filigranes statistiques : réécriture du texte via un hook rewrite_text.py
  • Métadonnées de fichiers : C2PA/EXIF/XMP sur PNG, JPEG, PDF, DOCX, SVG, MP4, MP3…

C’est un skill d’agent + un service Python stdlib (zéro dépendance), installable dans Claude Code, Cursor ou Cowork, avec un hook PostToolUse qui nettoie automatiquement les fichiers écrits par l’agent, un pre-commit hook et du CI. Autant dire que c’est pensé pour s’intégrer dans un workflow, pas juste pour faire un coup de com.

 

Mais attention, et c’est là que ça devient intéressant : le filigrane texte de Claude n’est pas des caractères cachés. C’est un motif statistique dans le choix des mots. Le retirer, ça veut dire réécrire le texte, pas l’effacer. Et le repo le reconnaît lui-même : la détection Claude est un placeholder, elle ne s’activera que quand Anthropic publiera son API de détection. Sans ce détecteur officiel, personne ne peut prouver que le filigrane est vraiment parti. BleepingComputer le dit crûment : presque aucun de ces outils ne peut prouver qu’il fonctionne.

Le vrai débat n’est pas technique

Guillaume Meyer a une position que je trouve bien posée : « Je suis pour l’attribution de contenu. Je suis contre la technique de filigrane. » Il ne refuse pas la traçabilité, il refuse la méthode. Son argument : le filigrane traite la paternité comme binaire — IA ou humain. Or Claude n’a parfois fait qu’éditer, traduire ou nettoyer un paragraphe écrit par un humain. Le texte final est marqué, alors que l’idée est la tienne.

Et c’est exactement là que ça rejoint mon précédent article sur le filigrane de Claude et l’AI Act. La vraie question n’est pas « comment détecter l’IA ? ». C’est celle-ci :

Comment différencier quelqu’un qui a relu et révisé le texte manuellement, de quelqu’un qui utilise l’IA de façon complètement automatique pour publier du texte ?

Moi, je suis dans le camp « assisté » : je génère des brouillons avec l’IA, je les relis, je les corrige, je les assume. Chaque mot qui part sous mon nom est validé par moi. Suis-je un « contenu IA » ? Un filigrane statistique peut-il faire la différence entre ma relecture et un flux RSS qui publie tout seul ? Non. Et c’est bien le problème : la technique mesure l’implication d’un modèle, pas l’intention d’un humain.

Le filigrane n’est pas mort — il n’a même pas encore vraiment commencé, faute d’API de détection publique. Mais en 9 jours, il a déjà trouvé son contournement, et surtout il a mis le doigt sur la vraie faille : l’AI Act veut tracer l’IA, mais il ne sait pas définir ce qu’est un texte « assisté ». Et si tu es une PME et que tu te demandes ce que ça change concrètement pour tes contenus et tes process, c’est le genre de sujet qu’on décortique chez SYSWOLF.

Alors ? Tu publies du texte relu et corrigé, ou tu laisses l’IA publier toute seule ? Et surtout : comment on le vérifie, à ton avis ?

Laisser un commentaire