OpenAI ajoute des filigranes invisibles à ChatGPT et Codex dans l’Union européenne

Une fonction de conformité, pas une étiquette visible

La nouvelle mesure d’OpenAI est, par définition, difficile à voir. L’entreprise indique qu’elle ajoutera, dans les prochaines semaines, un filigrane invisible aux textes éligibles générés par ChatGPT et Codex dans l’Union européenne, tandis que les clients de son API pourront l’activer dans le monde entier pour certains modèles, sans que cette option devienne un réglage mondial par défaut au lancement [1]. Le déploiement répond aux obligations de transparence du règlement européen sur l’IA, qui imposent aux fournisseurs de systèmes d’IA générative de rendre les contenus générés identifiables de manière lisible par machine [1].

OpenAI ne parle donc pas d’un logo, d’un avertissement visible ou d’un caractère caché ajouté au texte. Sa technologie textGrain modifie plutôt la structure statistique des choix de mots effectués par le modèle, de façon à créer un signal qu’un détecteur pourra rechercher ensuite [1]. Pour un lecteur humain, le paragraphe reste un paragraphe ordinaire; pour un système de vérification compatible, la suite des choix lexicaux peut contenir un indice indiquant qu’un système d’OpenAI a généré ou traité une partie du passage [1].

Cette décision est importante parce qu’elle place la conformité au niveau du produit. OpenAI ne limite pas le filigrane à une démonstration technique ni à un format média particulier: l’entreprise prévoit de l’appliquer aux sorties textuelles éligibles de ChatGPT et Codex pour les utilisateurs européens, tous forfaits confondus, tandis que les développeurs utilisant l’API pourront l’activer mondialement pour les modèles pris en charge [1]. BleepingComputer a également présenté ce déploiement comme visant les textes produits par ChatGPT et Codex dans l’UE, avec une option API disponible dans le monde entier mais désactivée par défaut [3].

Ce que fait textGrain

Dans les grandes lignes, textGrain agit sur l’échantillonnage du modèle plutôt que sur un marquage externe. OpenAI explique que le système ajoute un signal statistique invisible aux choix de mots du modèle, puis qu’un détecteur cherche ce signal pour évaluer si un passage contient un filigrane OpenAI [1]. Le rapport technique publié avec l’annonce décrit une méthode qui relie la génération de jetons à un aléa contrôlé par clé, afin qu’un détecteur puisse ensuite utiliser le texte et une clé secrète pour tester la présence du signal [2].

Le rapport présente le problème comme un équilibre entre détectabilité et préservation du comportement normal du modèle. textGrain est décrit comme une méthode calibrée sur l’entropie: le filigrane doit introduire assez de dépendance à une clé pour être détectable, tout en limitant la quantité d’aléa retirée au processus de génération [2]. Autrement dit, OpenAI cherche à laisser une trace dans la distribution des choix de mots sans rendre le style du modèle manifestement différent.

Ce choix technique est essentiel, car le texte est plus facile à modifier qu’une image ou qu’un fichier audio. Un paragraphe peut être copié, raccourci, traduit, paraphrasé, édité ou combiné avec de l’écriture humaine. OpenAI reconnaît que ces transformations peuvent affaiblir le filigrane et que de bons résultats en conditions contrôlées ne garantissent pas une détection fiable dans tous les usages réels [1].

Un signal utile, mais fragile

Les chiffres publiés par OpenAI expliquent la prudence de l’entreprise. À un taux cible de faux positifs de 1%, son détecteur retrouve le filigrane dans environ 80% des passages de 200 jetons pour certains contenus, comme la psychologie, contre environ 95% pour des passages de 400 jetons [1]. OpenAI indique aussi que les résultats sont nettement plus faibles pour des contenus comme les mathématiques, où le modèle dispose de moins de liberté dans le choix des mots [1].

L’édition du texte a un effet encore plus visible. Dans une évaluation portant sur des passages de 400 jetons, le remplacement de 10% des mots par des synonymes a fait chuter la détection d’environ 92% à 66%, tandis qu’un remplacement de 25% l’a ramenée à 17% [1]. TechCrunch a souligné la même limite, en notant que les tests d’OpenAI montrent qu’une édition ordinaire peut affaiblir le filigrane et que les passages courts, les réponses mathématiques et les textes traduits sont plus difficiles à détecter [4].

C’est pour cette raison qu’OpenAI ne met pas immédiatement son détecteur à disposition du grand public. L’entreprise ouvre les candidatures pour y accéder, mais l’accès initial sera réservé à des chercheurs et organisations expertes approuvés, chargés d’aider à évaluer et améliorer la technologie [1]. Concrètement, le filigrane pourrait donc apparaître dans des textes générés dans l’UE avant qu’un outil de vérification largement accessible ne soit disponible.

Ce modèle d’accès restreint est un compromis. Des détecteurs publics peuvent aider les écoles, les éditeurs, les plateformes et les chercheurs, mais ils peuvent aussi encourager des conclusions excessives, des accusations erronées ou des tentatives systématiques de contournement. OpenAI précise qu’un résultat de filigrane n’identifie ni l’utilisateur, ni le compte, ni la conversation, ni le prompt, et qu’il ne mesure pas la part de jugement humain, d’édition ou de créativité dans le texte final [1].

Ce que le filigrane ne prouve pas

La distinction centrale est simple: un filigrane n’est pas une preuve complète d’auteur. OpenAI explique qu’il peut indiquer qu’un système OpenAI a généré ou traité une partie d’un passage, mais qu’il ne dit pas qui possède le texte, si son utilisation était légale, qui en est responsable ou si son contenu est exact [1]. L’entreprise avertit aussi que l’absence de filigrane détecté ne prouve pas une origine humaine, car le texte peut être trop court, trop modifié, traduit, produit par un modèle non pris en charge, généré avant le déploiement ou créé avec l’outil d’un autre fournisseur [1].

Cette nuance sera déterminante en Europe. Le règlement européen pousse les fournisseurs d’IA vers une provenance lisible par machine, mais les signaux de détection restent probabilistes et dépendants du contexte. Si une école, une rédaction ou une plateforme interprète l’absence de filigrane comme une preuve d’écriture humaine, elle surestime la technologie. Si elle traite un filigrane détecté comme une preuve automatique de faute, elle risque aussi d’aller trop loin, car une rédaction assistée par IA peut inclure une direction et une révision humaines substantielles.

Pour les développeurs, l’approche API mérite une attention particulière. OpenAI indique que les clients de l’API peuvent dès maintenant activer le filigrane textuel pour certains modèles, partout dans le monde, tout en conservant le réglage désactivé par défaut [1]. Cette option donne aux entreprises et plateformes un levier de conformité: elles peuvent décider si leurs propres produits doivent générer des textes filigranés selon les marchés où elles opèrent, les contenus qu’elles produisent et leurs obligations de divulgation.

Un déploiement européen aux effets mondiaux

Le lancement est régional, mais ses conséquences concurrentielles pourraient dépasser l’Europe. TechCrunch a rapporté que les règles de transparence du règlement européen sur l’IA sont entrées en application le 2 août et obligent les entreprises d’IA à marquer les contenus générés de façon identifiable par d’autres systèmes [4]. Lorsqu’un grand fournisseur d’IA applique un filigrane textuel à des services grand public, de codage et de développement en Europe, les concurrents qui vendent de l’IA générative sur le même marché devront démontrer qu’ils disposent de contrôles de provenance comparables.

OpenAI présente aussi textGrain comme une couche d’un ensemble plus large de mécanismes de provenance. L’entreprise affirme qu’aucune technique ne suffit seule et décrit une stratégie combinant standards ouverts, filigranes durables et outils de vérification pour d’autres types de médias [1]. Pour le texte, les limites techniques sont toutefois plus marquées: un paragraphe se réécrit facilement, et le filigrane dépend de motifs observables sur une quantité suffisante de jetons.

Le résultat est donc un jalon réglementaire, mais pas une solution magique. OpenAI n’a pas résolu le problème de l’origine de tous les textes. L’entreprise met en place un mécanisme de conformité qui peut rendre certains contenus générés par IA plus vérifiables, surtout lorsqu’ils sont assez longs et peu transformés. Dans l’Union européenne, cela pourrait suffire à faire passer le filigranage textuel du débat de recherche à une fonction standard des produits d’IA grand public.

Le filigrane est invisible, mais le signal stratégique ne l’est pas. OpenAI traite la réglementation européenne comme une contrainte d’architecture, pas seulement comme une mention juridique. Si le déploiement fonctionne sans perte notable de qualité, la provenance textuelle pourrait devenir l’une des prochaines couches par défaut de l’infrastructure de l’IA générative.

Sources des dernières 72 heures

1. [1]Our approach to EU text provenance rules5 oct. 2026, 02:00
2. [2]OpenAI is adding invisible watermarks to ChatGPT and Codex text in the EU6 oct. 2026, 00:46
3. [3]OpenAI will start watermarking ChatGPT’s text in the EU5 oct. 2026, 22:36
4. [4]textGrain: Entropy-Calibrated Watermarking for Language Model Text5 oct. 2026, 02:00

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.