LE DÉTECTEUR N’EST PAS LE FILIGRANE
Une autre confusion doit être évitée.
Le détecteur de filigrane d’Anthropic et les logiciels qui prétendent reconnaître un texte artificiel à son style ne font pas le même travail.
Anne-Emmanuelle Lejeune
Le premier cherche une signature statistique volontairement introduite par un fournisseur qui possède la clé permettant de la rechercher.
Les seconds ne disposent d’aucune clé. Ils tentent d’inférer l’origine d’un texte à partir de caractéristiques linguistiques : fréquence de certains mots, régularité syntaxique, prévisibilité, structure des phrases ou autres indices supposés caractéristiques des modèles.
Anthropic lui-même distingue désormais explicitement ces deux méthodes.
Depuis le 1er septembre 2026, cette distinction n’est plus seulement théorique. Anthropic déploie en préversion privée l’API de détection du filigrane textuel appliqué aux modèles désormais pris en charge. Son accès demeure réservé à certaines organisations éligibles, parmi lesquelles des autorités de régulation, des forces de l’ordre, des médias, des organismes de vérification des faits, des chercheurs indépendants, des établissements d’enseignement et des groupes de la société civile européenne, ainsi qu’aux entreprises tenues de vérifier le marquage pour leurs propres obligations de conformité à l’AI Act. Le détecteur existe donc désormais, mais il n’est pas ouvert au grand public.
OpenAI apporte désormais une seconde mesure de ces limites. Son propre filigrane textuel, textGrain, obtient, pour certains contenus et avec un taux cible de faux positifs de 1 %, environ 80 % de détection sur des passages de 200 tokens et 95 % sur 400 tokens. La robustesse chute dès que le texte est transformé : dans une évaluation sur des passages de 400 tokens, remplacer 10 % des mots par des synonymes fait passer la détection d’environ 92 % à 66 % ; en remplacer 25 % la fait tomber à 17 %. Les textes courts ou fortement contraints sont eux aussi plus difficiles à identifier. OpenAI en tire la même conséquence opérationnelle qu’Anthropic : le détecteur textuel n’est pas ouvert au grand public à son lancement et son accès reste réservé à des chercheurs et organismes experts approuvés.
Cette séparation est d’autant plus nécessaire que les détecteurs génériques ont déjà montré leurs faiblesses.
En 2023, une équipe de Stanford a testé sept détecteurs de textes générés par IA sur des productions écrites en anglais par des locuteurs non natifs. En moyenne, 61,3 % des essais TOEFL authentiquement humains ont été classés à tort comme artificiels. Les textes d’élèves anglophones natifs étaient beaucoup moins souvent faussement signalés.
Cette étude ne permet pas d’affirmer que le détecteur du filigrane de Claude reproduira ce biais. Ce serait confondre deux technologies différentes.
Elle établit en revanche quelque chose de suffisamment grave : lorsque l’établissement ne dispose d’aucune clé de détection fournie par le fournisseur et demande à un algorithme de deviner si le style « ressemble » à celui d’une intelligence artificielle, la neutralité promise n’existe pas.
Le danger est alors évident.
L’outil ne vérifie plus seulement la fraude.
Il juge une manière d’écrire.
Reste la question que pose la journaliste technologique Emily Turrettini, et à laquelle aucun règlement n’a encore réellement répondu.
L’assistance sera bientôt logée dans le traitement de texte, la messagerie, le correcteur, la traduction, le moteur de recherche et le navigateur. Un devoir pourra avoir été pensé par un élève, corrigé par un outil, raccourci par un deuxième, traduit par un troisième, puis repris à la main.
À quel moment devient-il un contenu généré par une machine ?
Et à force de tout signaler, que restera-t-il à l’étiquette ?
La question finira peut-être par devenir insoluble parce qu’elle suppose encore l’existence de deux univers séparés : d’un côté une production humaine intacte, de l’autre une production artificielle identifiable comme telle.
Cette frontière risque de disparaître.
Exiger demain un texte intellectuellement vierge de toute intervention d’une intelligence artificielle pourrait ressembler à ce qu’aurait été, à la fin des années 1990, l’exigence d’un travail vierge de tout contact avec Internet. La recherche, la correction, la traduction, la transcription, le traitement de texte et bientôt la documentation elle-même intégreront des systèmes génératifs. Un texte pourra ainsi avoir rencontré plusieurs intelligences artificielles sans leur avoir délégué ni son raisonnement, ni son choix des sources, ni sa conclusion.
La catégorie pertinente ne sera donc peut-être plus celle du texte humain opposé au texte artificiel, mais celle de la sémiotique hybride : une production dans laquelle l’outil intervient à différents niveaux sans que cette intervention suffise à déterminer qui pense, qui écrit réellement et surtout qui assume.
Ce déplacement est décisif pour la presse autant que pour l’école. La valeur d’un texte ne pourra pas durablement résider dans sa prétendue pureté technologique. Elle résidera dans ce qui aura été vérifié, sélectionné, transformé et finalement assumé par celui qui le signe.
Le filigrane rencontre ici sa limite conceptuelle. Il peut signaler qu’une machine a participé à une succession de mots. Il ne mesure ni la part de jugement humain, ni le travail de vérification, ni la responsabilité intellectuelle. Il reconnaît un contact avec l’outil, pas la valeur de ce qui en est sorti.
LE MARCHÉ DU BLANCHIMENT
Toute technologie de détection engendre son marché de contournement.
Celui-ci existe déjà.
Des services commercialisés sous les noms de humanizers, paraphraseurs ou réécrivains promettent explicitement de transformer un texte produit par intelligence artificielle afin qu’il obtienne un meilleur score auprès des détecteurs. D’autres logiciels vont plus loin : ils reproduisent dans un document l’apparence d’une rédaction humaine progressive, avec frappes successives, corrections et parfois même erreurs simulées.
L’industrie de la preuve suscite ainsi l’industrie de la fausse preuve.
L’étage humain est plus intéressant encore.
En mars 2026, Kate Gilbertson raconte dans Slate son activité de réécriture manuelle de dossiers d’admission produits avec une intelligence artificielle. Son tarif est de 60 dollars pour 600 mots. Les contrats officiels se présentent comme de la relecture ou du commentaire, tandis que la véritable demande se précise dans les échanges privés. À l’ouverture de la saison des admissions, les commandes affluent, parfois par lots.
Son travail ne consiste pas à recopier le texte. Cela ne servirait à rien. Il faut reprendre suffisamment les formulations pour qu’elles cessent de ressembler à une production artificielle aux yeux des détecteurs.
Le scribe revient donc sous une forme inattendue.
Ce n’est pas le copiste.
C’est le secrétaire de rédaction du fraudeur, payé non pour écrire, mais pour effacer.
Le phénomène introduit une nouvelle hiérarchie. Les outils génératifs ordinaires sont gratuits ou peu coûteux. Les modèles les plus performants, les abonnements premium, les logiciels spécialisés, l’accompagnement humain et la réécriture professionnelle ne le sont pas.
La fraude ne devient donc pas seulement plus accessible.
Elle devient différenciée selon les ressources.
L’élève le moins sophistiqué utilise l’outil disponible et laisse derrière lui les traces les plus faciles à repérer. Le plus averti paie un meilleur modèle, un logiciel supplémentaire ou un humain chargé d’effacer ces traces.
À mesure que la détection progresse, la sanction risque ainsi de sélectionner non les fraudeurs, mais les fraudeurs les moins bien équipés.
L’inégalité du jury n’aura pas disparu.
On lui aura simplement ajouté l’inégalité de l’abonnement.
POURQUOI L’ORAL A DISPARU CHEZ NOUS
Reste une difficulté beaucoup moins technologique.
Pourquoi l’oral, s’il permet de vérifier si quelqu’un maîtrise réellement le travail qu’il présente, occupe-t-il une place si faible dans nos systèmes de certification ?
En Fédération Wallonie-Bruxelles, les grandes épreuves externes communes qui jalonnent la scolarité, CEB, CE1D et CESS, reposent essentiellement sur des productions écrites. L’interrogation orale individuelle ne constitue pas le principe ordinaire de cette certification commune. Elle subsiste dans d’autres cadres, notamment certaines qualifications, certains jurys et naturellement dans une partie de l’enseignement supérieur.
Au Québec, le tableau exige davantage de nuance. La communication orale demeure officiellement une compétence importante en français. Elle compte pour 20 % du résultat au primaire et pour 20 % de la première à la quatrième secondaire, puis 10 % en cinquième secondaire. Mais cette évaluation est largement effectuée dans l’établissement et ne constitue pas, en français langue d’enseignement, le centre des grandes épreuves certificatives ministérielles. Des épreuves ministérielles d’interaction orale existent en revanche dans certaines langues secondes.
Ce détail dit presque tout.
L’oral est toujours inscrit dans le programme.
Ce qui manque est sa fonction de vérification externe et individuelle au moment où l’on certifie.
Pourquoi ?
Une partie de la réponse est arithmétique.
Une épreuve écrite permet à trente élèves d’être évalués simultanément. L’oral mobilise du temps d’adulte pour un nombre très limité de candidats. Une soutenance de quinze minutes pour trente élèves représente déjà sept heures et demie d’interrogation, sans compter les transitions, la préparation, la lecture préalable des travaux et la délibération.
Le coût humain est incompressible.
On peut accélérer une correction. On peut automatiser un questionnaire. On peut standardiser une grille.
On ne peut pas faire parler trente personnes individuellement pendant quinze minutes en une heure.
Voilà pourquoi le retour de l’oral pose un problème que les discours sur l’innovation pédagogique évitent soigneusement. Il ne nécessite pas seulement une nouvelle méthode. Il réclame du temps enseignant.
Et le temps enseignant coûte.
C’est probablement l’une des contraintes structurelles les plus fortes qui expliquent pourquoi les systèmes scolaires peuvent proclamer l’importance de l’oral tout en renonçant à en faire un instrument majeur de certification.
