Le calendrier n est pas anodin. Les obligations de marquage du règlement européen sont entrées en application le 2 août. Deux mois plus tard, la société de San Francisco dit comment elle compte s y plier, et surtout comment elle ne compte pas le faire partout. Le filigrane ne sera pas un réglage mondial par défaut. Il s activera progressivement, sur les prochaines semaines, pour les utilisateurs éligibles de ChatGPT et de Codex situés dans l Union, tous les abonnements confondus. Les développeurs qui passent par l interface de programmation peuvent, eux, l allumer dès maintenant sur certains modèles, où qu ils se trouvent. Il reste éteint tant qu on ne le demande pas.
Ce que le filigrane européen change vraiment pour les textes
On a longtemps parlé de tatouage numérique comme d une étiquette collée après coup. Ici, le mécanisme vit dans la langue elle-même. OpenAI décrit une méthode baptisée textGrain, présentée dans un rapport technique coécrit avec des chercheurs de l université de Pennsylvanie et de Yale. L idée tient en une phrase simple, puis se complique dès qu on regarde le détail. À certains moments de la génération, le modèle ne choisit pas le mot suivant uniquement selon sa probabilité naturelle. Une clé secrète réordonne une partie de ces prédictions. Chaque nudges est minuscule. Additionnés par centaines, ils dessinent une empreinte statistique.
Le lecteur, lui, ne voit rien. Pas de caractère spécial, pas de variation de police, pas de métadonnée qui disparaît au premier copier-coller. C est précisément le point. Le motif voyage avec les mots. On peut le coller dans un mail, le déposer dans un document, le republier sur un site. Tant que la séquence n a pas été trop remaniée, un détecteur qui possède la clé peut estimer si une portion du passage a été produite ou traitée par un système OpenAI. La société précise que cette signature n identifie pas la personne. Elle ne dit pas qui a cliqué sur envoyer. Elle dit, au mieux, qu une machine donnée a participé à la fabrication du texte.
OpenAI affirme n avoir observé aucun écart sensible de qualité lorsque le dispositif est activé. C est un argument commercial autant que technique. Un filigrane qui abîme le style serait rejeté en quelques jours par les équipes qui paient un abonnement pour écrire vite. Reste à savoir ce que « aucun écart sensible » veut dire pour un poème, un contrat, une réponse de support client ou une spécification produit. Les mesures internes ne sont pas les mêmes que le ressenti d un relecteur humain pressé.
Un filigrane peut signaler qu un système OpenAI a généré ou traité une partie d un passage. Il ne dit pas quelle part de jugement, de retouche ou d invention humaine s y est glissée.
Position publique d OpenAI sur les limites du marquage
Cette nuance mérite d être lue deux fois. Beaucoup de débats publics confondent origine machine et absence de travail. Un fondateur peut dicter le plan, imposer le ton, rejeter trois versions, puis garder la quatrième après une réécriture lourde. Le détecteur, s il s allume, ne racontera pas cette histoire. Il signalera une trace. Le reste relève du contexte, des brouillons, parfois d une simple conversation avec l auteur. C est là que le dispositif cesse d être un gadget de conformité et devient un sujet de gouvernance.
Pourquoi l Europe, et pas le reste du monde
Le choix géographique n est pas un caprice. Le règlement européen sur l intelligence artificielle impose aux fournisseurs de marquer les contenus synthétiques de façon à ce que d autres systèmes puissent les reconnaître. Le texte du règlement parle de marquage lisible par machine, pas d un bandeau visible pour le grand public. OpenAI s aligne sur cette lecture. Le filigrane reste invisible pour la personne qui lit. Il est conçu pour un détecteur.
La société avait déjà construit un procédé de ce type, puis l avait gardé dans un tiroir. En 2024, le Wall Street Journal rapportait que la crainte d une fuite vers des concurrents non marqués pesait dans la décision de ne pas le lancer. Deux ans plus tard, le cadre légal européen rend l attentisme plus coûteux que le déploiement. Anthropic, de son côté, a annoncé cet été un marquage des textes produits par Claude, appliqué à l échelle mondiale. La différence de périmètre n est pas un détail de communication. Elle dessine deux stratégies face au même problème.
Anthropic a essuyé des critiques d utilisateurs qui estimaient avoir fourni les consignes, le contexte et les arbitrages, tandis que le modèle n était qu un outil. OpenAI, en limitant le défaut au territoire de l Union et en laissant l interface de programmation sur option, évite pour l instant ce front ouvert hors Europe. Elle ne l évite pas indéfiniment. Dès qu un client européen exporte un texte marqué vers un partenaire américain, ou qu une équipe internationale partage un même espace de travail, la frontière administrative se brouille.
- Déploiement progressif sur ChatGPT et Codex pour les comptes éligibles dans l Union, tous les forfaits.
- Activation possible dès maintenant via l interface de programmation, sur une sélection de modèles, et ceci partout dans le monde.
- Réglage éteint par défaut pour les développeurs, allumé progressivement côté produits grand public européens.
- Aucun identifiant d utilisateur dans la signature, selon les indications publiées par la société.
- Pas de bascule mondiale au lancement, contrairement à l approche retenue par Anthropic pour Claude.
OpenAI, Google, Meta, Microsoft et Anthropic figurent parmi les entreprises qui se sont engagées à suivre le code de bonnes pratiques européen sur les contenus générés. L engagement politique et le mécanisme technique ne sont pas la même chose. Un code de pratique oriente. Un filigrane, lui, laisse une trace mesurable, avec un taux de réussite, un taux d échec, et une zone grise que les juristes vont apprendre à citer.
Comment textGrain tente de signer une phrase
Le rapport technique prend un exemple parlant. Pour terminer une phrase, le modèle dispose d une liste de suites possibles. La clé secrète sert à trier une partie de ces suites. Le mot retenu reste plausible. Il n est simplement pas toujours celui qui serait sorti sans cette contrainte. Répétez l opération des centaines de fois et le texte porte une statistique légèrement décalée par rapport à un texte libre. Le détecteur compare ce décalage à ce que la clé permet d attendre. S il retrouve le motif, il conclut à une origine probable.
Cette famille de méthodes n est pas née hier. Les laboratoires travaillent depuis des années sur des filigranes de génération, distincts des filigranes d image que l on cache dans des pixels. La difficulté du texte est connue. Une image supporte bien une modification imperceptible de luminances. Une phrase, elle, se casse dès qu on change trop de mots. Le signal doit donc être redondant, réparti, tolérant à quelques substitutions, et pourtant assez rare pour ne pas s allumer sur un écrit humain ordinaire.
OpenAI publie ses propres essais, et ils tempèrent l enthousiasme. Dans un test, le remplacement de 10 % des mots par des synonymes faisait chuter la détection d environ 92 % à 66 %. Ce n est pas un effondrement total. Ce n est plus non plus un verdict. Les passages courts, les réponses de mathématiques et les textes traduits sont décrits comme plus difficiles à reconnaître. Une absence de signal ne prouve donc pas une écriture humaine. Le passage a pu être trop bref, trop retouché, ou provenir d un autre fournisseur.
Ces limites expliquent une décision qui va frustrer plus d un responsable pédagogique. L accès au détecteur ne sera pas ouvert au public dans un premier temps. Il est réservé à des chercheurs agréés et à des organisations expertes, chargés d évaluer la fiabilité et les usages responsables. Autrement dit, le marquage existe, mais l instrument qui le lit reste entre peu de mains. Pour une startup qui voudrait vérifier ses propres contenus, ou ceux de ses prestataires, la porte n est pas encore grande ouverte.
| Situation | Ce que le filigrane peut dire | Ce qu il ne peut pas dire |
| Texte long, peu retouché, produit dans l UE | Une trace OpenAI est souvent récupérable par le détecteur autorisé | L identité de la personne, ni la part de réécriture humaine |
| 10 % des mots remplacés par des synonymes | Le taux de détection tombe, dans un essai interne, d environ 92 % à 66 % | Si le texte restant est « encore de l IA » au sens courant |
| Réponse courte, calcul, traduction | Signal plus fragile, parfois absent | Une preuve d écriture humaine |
| Texte issu d un autre modèle | Rien, sauf collision statistique improbable | L origine réelle du passage |
| Appel API hors Europe, option éteinte | Pas de signature tant que le réglage n est pas activé | La conformité future d un produit vendu dans l Union |
Une signature qui voyage, et qui se délave
Le copier-coller est l épreuve de vérité. Un marquage posé dans un fichier, sous forme de métadonnée, meurt souvent au premier export. Un marquage posé dans le choix des mots survit à ce geste. C est son avantage, et aussi sa faiblesse. Survivre au presse-papiers ne veut pas dire survivre à un rédacteur. Dix minutes de réécriture, un passage dans un autre modèle, une traduction aller-retour, et le motif s amenuise. Les essais internes le disent sans détour. Le filigrane n est pas un sceau inviolable. C est un indice statistique, utile quand le texte est encore proche de sa sortie machine, beaucoup moins quand il a vécu.
Pour une rédaction, cette propriété change la façon de conserver les brouillons. Si l on veut pouvoir expliquer plus tard d où vient un paragraphe, il faudra garder la version brute, la consigne, et la version publiée. Le détecteur ne remplacera pas cette hygiène. Il pourra, au mieux, corroborer un souvenir. Les équipes qui traitent déjà leurs sorties de modèle comme des notes jetables, sans archive, se retrouveront sans récit le jour où un client ou un régulateur posera la question.
Les mathématiques illustrent une autre limite. Une démonstration courte offre peu de choix lexicaux. Le modèle n a pas des centaines d occasions de nudger un adjectif. Le signal manque de place. Une traduction pose un problème voisin. Le texte d arrivée a été reformulé par une autre passe, parfois par un autre système. Le grain d origine se disperse. OpenAI le reconnaît. C est honnête, et cela devrait calmer les discours qui présentent le dispositif comme une preuve universelle.
Ce que les fondateurs doivent en tirer dès maintenant
Une jeune pousse qui vend un assistant de rédaction à des clients européens n est pas spectatrice. Si son produit appelle les modèles d OpenAI, le réglage de filigrane sur l interface de programmation devient un choix de produit, pas seulement un choix de conformité. Le laisser éteint peut simplifier l expérience. Le laisser éteint alors que le texte est distribué dans l Union peut devenir un sujet contractuel. L allumer sans le dire au client peut devenir un sujet de confiance. Aucune de ces trois voies n est gratuite.
Le premier réflexe utile n est pas d ajouter un bouton magique. C est de cartographier les flux. Quels textes sortent d un modèle. Lesquels sont montrés à un utilisateur final. Lesquels sont repris dans un document juridique, une fiche produit, une réponse de service client. Une carte claire vaut mieux qu une promesse vague de « contenu responsable ». Elle permet de décider où le marquage a un sens, où une mention visible est plus honnête, et où une relecture humaine reste le seul filet.
- Repérer les parcours où un texte généré quitte l entreprise et entre dans l Union.
- Décider, par cas d usage, si le filigrane API doit être activé, documenté, ou les deux.
- Archiver la consigne, la sortie brute et la version éditée lorsque le texte a une valeur juridique ou réputationnelle.
- Former les équipes à lire un signal de détection comme un indice, jamais comme un jugement définitif.
- Prévoir une mention claire pour les clients qui exigent de savoir si une machine a participé.
Les startups de support client sont en première ligne. Une réponse générée, légèrement retouchée par un agent, puis envoyée à un consommateur européen, coche plusieurs cases du débat. Le filigrane, s il est présent, pourra dire qu OpenAI est passé par là. Il ne dira pas si l agent a corrigé un prix, adouci un ton, ou laissé passer une erreur. Les équipes produit qui vendent de la « réponse automatique » vont devoir écrire cette limite dans leurs conditions, pas seulement dans une note interne.
Les outils de productivité pour les indépendants posent une question différente. Beaucoup d utilisateurs refusent l idée qu un texte qu ils ont piloté soit estampillé machine. Le retour de bâton observé chez une partie des utilisateurs de Claude le montre. OpenAI, en ne généralisant pas le défaut hors Europe, gagne du temps sur ce terrain. Elle ne gagne pas le débat de fond. Un freelance basé à Lyon qui livre un mémoire à un client berlinois n est pas dans la même situation qu un freelance basé à Austin. Le produit, lui, est souvent le même.
Écoles, rédactions, cabinets : trois lectures du même signal
Dans une université, la tentation sera forte de traiter le détecteur comme un surveillant. C est précisément le usage que la restriction d accès cherche à freiner, au moins dans un premier temps. Un score qui passe de 92 % à 66 % après une retouche légère n a pas la robustesse d une copie d examen corrigée à la main. S en servir pour sanctionner, sans autre élément, expose à des erreurs dans les deux sens. Des textes humains atypiques peuvent ressembler à un signal. Des textes fortement édités peuvent n en porter aucun. La pédagogie a besoin de règles d usage, pas d un oracle.
Une rédaction n a pas le même objectif. Elle veut savoir si une dépêche, une tribune ou une fiche livrée par un prestataire a été produite en partie par un modèle, afin d appliquer sa charte. Là, un indice statistique peut aider, à condition de rester un indice. Le travail de vérification des faits ne se délègue pas à une clé secrète. Un texte bien marqué peut être faux. Un texte sans marque peut être exact. Confondre provenance et vérité serait la plus coûteuse des confusions.
Un cabinet, enfin, regarde le risque. Un mémoire, une clause, une note à un client. Si une partie du texte porte une trace, et si le client découvre cette trace plus tard par un autre canal, la question ne sera pas technique. Elle sera relationnelle. A-t-on dit que l on s aidait d un modèle. A-t-on relu. A-t-on assumé la responsabilité du fond. Le filigrane ne crée pas cette obligation. Il la rend plus difficile à esquiver le jour où un tiers saura lire la signature.
L absence de filigrane ne démontre pas qu un humain a tout écrit. Le passage peut être trop court, trop repris, ou venir d un autre système.
Avertissement d OpenAI sur l interprétation d un résultat négatif
Le précédent Anthropic et la crainte d une fuite des utilisateurs
L annonce d Anthropic, deux mois plus tôt, a servi de répétition générale. Marquer les textes de Claude partout a provoqué une protestation d une partie des utilisateurs. Leur argument tenait en une ligne. Ils avaient fourni les instructions, le contexte, les décisions. Le modèle n était que l outil. Estampiller le résultat comme contenu de machine leur semblait nier ce pilotage. On peut discuter la philosophie. On ne peut pas ignorer le signal commercial. Une partie du public payant n aime pas l idée d une marque qu elle ne contrôle pas.
OpenAI connaît cet écueil. C est une des raisons pour lesquelles un procédé déjà construit n avait pas été lâché plus tôt. La peur était simple. Si un rival n impose rien, les utilisateurs qui détestent le marquage partent. Le règlement européen change le calcul sur une zone, pas sur la planète. En laissant l option éteinte par défaut sur l interface de programmation, la société laisse aussi aux éditeurs de logiciels le soin d assumer le choix. C est une manière de partager le coût politique du dispositif.
Pour une startup qui hésite entre plusieurs fournisseurs, le critère « est-ce que mes textes sortiront marqués » va s ajouter au prix, à la latence et à la qualité. Certains clients européens demanderont le marquage comme preuve de sérieux. D autres le refuseront comme une contrainte sur leur style. Le même produit peut donc avoir besoin de deux politiques, selon le contrat. Ce n est pas élégant. C est le genre de complexité que les équipes juridiques des jeunes pousses découvrent souvent trop tard, au moment de signer un appel d offres.
Codex, les développeurs, et le code qui parle
Le déploiement concerne aussi Codex, l assistant orienté programmation. Marquer du code pose un problème de nature différente. Le vocabulaire est contraint. Les noms de fonctions, les mots-clés d un langage, les indentations laissent moins de jeu qu un paragraphe de prose. Un filigrane lexical y est plus délicat à loger sans changer le comportement du programme. OpenAI inclut pourtant Codex dans le périmètre européen. Les équipes qui génèrent des correctifs, des tests ou de la documentation depuis cet outil devront se demander ce qui est signé. Le commentaire. Le nom de variable. La documentation générée à côté du fichier.
Pour une jeune pousse qui livre du logiciel, la question n est pas cosmétique. Un client régulé peut un jour demander si une portion de la documentation, voire du code commenté, porte une trace de génération. Il faudra pouvoir répondre sans ouvrir chaque fichier à la main. D où l intérêt d une politique interne simple. Ce qui est généré est étiqueté dans l outil de suivi. Ce qui est relu est marqué comme relu. Le filigrane externe, s il existe, vient en complément, pas en remplacement de cette discipline.
L interface de programmation ajoute une couche. Un éditeur de logiciel qui appelle les modèles pour ses propres clients peut activer le dispositif sur certains modèles, partout dans le monde, dès à présent. Il peut aussi ne pas le faire. S il vend à des entreprises européennes, le choix devra être écrit quelque part. Pas dans un fil de discussion. Dans la fiche produit, ou dans l annexe du contrat. Les acheteurs commencent à poser la question. Ils la poseront davantage quand le détecteur sortira du cercle des chercheurs.
Transparence visible et transparence lisible par machine
Le règlement européen ne se résume pas à un grain statistique. Il pousse aussi, selon les cas, vers une information compréhensible par les personnes. Un filigrane invisible répond à la seconde exigence, celle des systèmes qui doivent pouvoir reconnaître un contenu synthétique. Il ne répond pas seul à la première. Un lecteur qui ne dispose pas du détecteur ne sait toujours pas ce qu il lit. Les entreprises qui s arrêteraient au marquage technique, sans phrase claire lorsque le contexte l exige, n auraient fait que la moitié du chemin.
Cette double piste explique pourquoi OpenAI insiste sur les limites. Un signal positif indique une participation d un système de la société. Il ne mesure pas la quantité de jugement humain. Un signal négatif n innocente personne. Entre les deux, la zone grise est large. Les passages courts y tombent. Les traductions y tombent. Les textes repris à 10 % par des synonymes y entrent déjà, avec une détection qui n est plus que de l ordre de deux tiers dans l essai cité. Construire une politique éditoriale sur un chiffre aussi mobile serait imprudent.
On peut pourtant tirer un usage sobre de cet outil. Dans un flux interne, un signal fort sur un texte peu retouché aide à classer les sources. Dans un audit, il aide à vérifier qu une équipe a bien activé le réglage qu elle prétend activer. Dans une dispute, il aide rarement à trancher seul. Le présenter ainsi, sans emphase, est sans doute la seule manière de ne pas décevoir dans six mois.
Ce que les essais internes ne règlent pas
Les chiffres publiés méritent d être lus avec leur méthode, pas comme un classement. Une chute de 92 % à 66 % après remplacement d un dixième des mots dit une chose précise. Le signal résiste mal à une édition lexicale légère. Il ne dit pas comment le détecteur se comporte sur un roman, sur un fil de messages, sur un mélange de trois modèles. Il ne dit pas non plus quel taux de fausses alertes on observe sur des corpus humains variés, écrits dans d autres langues que l anglais. Le français, l allemand, le néerlandais n ont pas la même distribution de synonymes. Un dispositif pensé d abord sur une langue dominante peut se comporter autrement ailleurs.
C est une des raisons pour lesquelles l accès initial est réservé à des chercheurs et à des organisations expertes. OpenAI dit vouloir évaluer la fiabilité et les usages responsables avant d ouvrir plus largement. La formule est classique. Elle est aussi prudente. Un détecteur grand public, lancé trop tôt, serait cité dans des décisions de notation, de recrutement, de modération. Les erreurs deviendraient des affaires. Mieux vaut, de ce point de vue, une phase d observation. Mieux vaut aussi dire clairement que cette phase laisse les utilisateurs ordinaires sans moyen de vérifier ce qu on leur annonce.
La publication du rapport textGrain est le contrepoint. En décrivant le tri des prédictions par une clé, la société donne aux spécialistes de quoi discuter la robustesse, les attaques par paraphrase, les collisions. Elle ne donne pas la clé. Sans elle, le texte seul ne suffit pas au détecteur. C est le compromis habituel de ces systèmes. Publicité de la méthode, secret de l instrument. Les laboratoires indépendants pourront critiquer le cadre. Ils ne pourront pas, dans l immédiat, auditer chaque déploiement comme ils auditeraient un logiciel ouvert.
Une concurrence qui ne marque pas de la même façon
Le paysage n est pas binaire. Anthropic a choisi un marquage mondial des textes de Claude. OpenAI choisit l Union pour le défaut produit, et l option pour les développeurs. D autres acteurs se sont engagés sur le code de bonnes pratiques européen sans détailler, au même moment, un mécanisme équivalent. Pour une entreprise qui mélange plusieurs modèles dans un même pipeline, le résultat sera un patchwork. Un paragraphe signé, un paragraphe muet, un troisième reformulé par un outil de paraphrase. Le détecteur d un seul fournisseur ne racontera qu une partie de l histoire.
Cette fragmentation est une mauvaise nouvelle pour qui rêvait d un standard unique, et une nouvelle ordinaire pour qui observe les standards du web. Chacun marque à sa façon, avec sa clé, son taux, ses angles morts. Les outils qui prétendront « détecter l IA » en général devront soit collaborer avec chaque fournisseur, soit se contenter de méthodes statistiques moins spécifiques, déjà critiquées pour leurs erreurs. Le filigrane maison a l avantage d être conçu avec le modèle. Il a l inconvénient de ne parler que de ce modèle.
Les jeunes pousses qui construisent des détecteurs tiers vont devoir repositionner leur discours. Promettre de reconnaître n importe quel texte synthétique devient plus difficile à tenir le jour où le signal le plus fiable est une clé qu elles ne possèdent pas. Promettre d aider à lire un faisceau d indices, en revanche, reste crédible. Le marché de la vérification ne disparaît pas. Il se décale, de la preuve unique vers l enquête.
Effet sur le style, effet sur la confiance
OpenAI indique ne pas avoir vu de changement significatif de performance avec le dispositif activé. La phrase rassure les équipes produit. Elle ne clôt pas la discussion sur le style. Un nudges qui reste dans la liste des mots plausibles peut tout de même pousser, sur la longueur, vers des tournures un peu plus fréquentes, un peu plus sages. Les auteurs sensibles au rythme le remarqueront peut-être avant les benchmarks. Rien, dans l annonce, ne permet de le mesurer depuis l extérieur. C est un sujet à suivre, pas un procès à instruire.
La confiance, elle, se joue ailleurs. Une entreprise qui dit « nous marquons, voici les limites, voici qui peut lire le signal » sera mieux armée qu une entreprise qui laisse découvrir le dispositif dans un article de presse. Les utilisateurs européens de ChatGPT verront le changement arriver sur plusieurs semaines, pas en une nuit. Ce délai est une occasion. Les notes de version, les centres d aide, les réponses du support peuvent expliquer le grain avant qu un détecteur tiers, un jour, ne le rende visible par ricochet. Le silence, à l inverse, nourrit le soupçon.
Il y a aussi une confiance entre fournisseurs et chercheurs. Réserver le détecteur à un cercle agréé peut protéger contre les mauvais usages. Cela peut aussi donner l impression d un outil qui se juge lui-même. La qualité de la phase d évaluation se mesurera au nombre de limites publiées, pas au nombre de communiqués. Le chiffre sur les synonymes est un bon signe. Il dit que la société accepte de montrer une fragilité. D autres fragilités, linguistiques ou adversariales, devront suivre si l on veut que le dispositif soit pris au sérieux hors du cercle des convaincus.
Ce que une politique interne peut déjà figer
Attendre le détecteur public pour se mettre en ordre serait une erreur de calendrier. Les textes produits aujourd hui seront relus dans un an. Une politique courte, écrite en langage clair, suffit pour commencer. Elle peut tenir en une page. Quels usages autorisent une génération. Quelle relecture est obligatoire avant envoi à un client. Quelle archive est conservée. Qui décide d activer le filigrane sur les appels techniques. Qui répond si un partenaire pose la question.
Cette page n a pas besoin du mot filigrane pour être utile. Elle en a besoin pour être complète. Une équipe qui découvre le sujet dans six mois, au moment d un audit, perdra du temps à reconstituer des flux que personne n a notés. Une équipe qui a déjà séparé les sorties brutes des versions publiées répondra en une heure. La différence n est pas technologique. Elle est documentaire.
- Une page de règles, signée par la direction, plutôt qu une consigne orale.
- Un champ dans l outil de tickets pour indiquer qu un texte a été assisté.
- Une conservation minimale des versions, proportionnée au risque du document.
- Un responsable nommé pour le réglage de l interface de programmation.
- Une revue trimestrielle, le temps que les taux de détection se stabilisent dans la littérature.
Les investisseurs commencent à poser des questions de ce type dans les due diligence. Pas toujours avec ce vocabulaire. Ils demandent comment le produit gère les contenus synthétiques, quelles clauses couvrent les clients européens, quel fournisseur de modèle est remplaçable. Une réponse qui cite le filigrane sans en connaître les limites passe pour une réponse de surface. Une réponse qui montre la carte des flux, le choix d activation, et la phrase dite au client passe pour une réponse d opérateur. À stade égal, la seconde rassure davantage.
Le calendrier européen et le temps des produits
Les règles de transparence sont en vigueur depuis le 2 août. L annonce d OpenAI arrive en octobre, avec un déploiement étalé sur les semaines suivantes. Ce décalage n est pas un scandale en soi. Adapter un mécanisme de génération à des millions de sessions, sans dégrader l expérience, prend du temps. Il crée toutefois une fenêtre. Pendant cette fenêtre, des textes européens sortent encore sans le grain. Les équipes conformité qui croyaient le sujet clos au 2 août doivent intégrer cette montée en charge, pas une bascule unique.
Pour les produits qui embarquent ChatGPT ou Codex, la fenêtre est aussi commerciale. C est le moment de mettre à jour les documentations, les formulaires de consentement lorsqu ils existent, les pages d aide. C est le moment de demander à son contact fournisseur quels modèles sont couverts, à quelle date, pour quels pays de facturation. L éligibilité « dans l Union » peut dépendre du compte, de l adresse, du contrat. Le flou, ici, se paie en tickets de support.
Les développeurs, eux, n ont pas à attendre. L option est disponible sur une sélection de modèles, éteinte tant qu on ne la demande pas. Une équipe technique peut donc faire un essai sur un environnement de test, comparer une sortie marquée et une sortie libre, et décider en connaissance de cause. Cet essai vaut mieux qu une position de principe. Il montre si le style change sur les cas réels du produit, pas sur un exemple de laboratoire.
Malentendus à dissiper avant qu ils ne s installent
Le premier malentendu serait de croire qu un texte marqué est un texte interdit. Rien, dans le dispositif, ne dit cela. Le marquage est une mesure de transparence, pas une interdiction d usage. Une entreprise peut tout à fait publier un texte assisté, dès lors qu elle assume le fond et, lorsque c est requis, qu elle informe. Confondre les deux reviendrait à traiter une étiquette comme une amende.
Le deuxième malentendu serait de croire qu un texte non marqué est un texte humain. OpenAI le dit elle-même. Le passage peut venir d ailleurs, avoir été raccourci, avoir été traduit, avoir été réécrit. Les détecteurs statistiques déjà en circulation ont produit assez de faux positifs et de faux négatifs pour que l on se méfie des verdicts secs. Ajouter un filigrane fiable dans certains cas ne répare pas les outils qui prétendent tout voir sans clé.
Le troisième malentendu serait de croire que la signature identifie l auteur. La société indique le contraire. Pas d identifiant d utilisateur dans le motif. C est une limite voulue, et une limite importante pour la vie privée. Elle empêche aussi certains usages que des organisations auraient aimé avoir, comme relier un texte à un compte en cas de fraude. On ne peut pas demander au même mécanisme d être à la fois anonyme et nominatif. OpenAI a choisi l anonymat du signal. Il faudra en tenir compte dans les procédures internes.
Ce que les équipes éditoriales peuvent tester cette semaine
Sans attendre un détecteur grand public, une rédaction ou une startup de contenu peut déjà organiser un petit protocole. Prendre dix textes types. Les générer. Les faire relire par une personne qui ne connaît pas la consigne. Noter ce qui a été changé, en proportion de mots. Conserver les deux versions. Le jour où un accès au détecteur sera possible, ces paires diront, sur les cas réels de l équipe, à partir de quel niveau de retouche le signal décroche. C est plus parlant qu un chiffre unique publié dans un rapport.
Le même protocole peut inclure une traduction et un retour à la langue d origine. OpenAI signale déjà la fragilité de ce cas. Le mesurer sur ses propres guides, ses propres fiches produit, évite les surprises. Une marketplace qui traduit automatiquement des descriptions vers cinq langues européennes ne devrait pas supposer que le grain de départ survivra à la chaîne. Elle devrait le vérifier, puis décider si une mention visible, en plus du marquage technique, est la bonne réponse pour ses vendeurs.
Les équipes support peuvent faire un essai voisin sur les réponses courtes. Un accusé de réception de deux lignes offre peu de place au signal. Si ces messages représentent l essentiel du volume, le filigrane couvrira mal le cœur de l activité. Il faudra alors une autre forme de transparence, plus simple, du côté de l interface. Un libellé du type « réponse préparée avec un assistant » dit parfois plus au client qu une signature qu il ne peut pas lire.
Pourquoi ce sujet concerne aussi ceux qui n utilisent pas ChatGPT
On pourrait croire le débat réservé aux abonnés d un seul produit. Ce serait une lecture étroite. Dès lors qu un standard de fait s installe sur une zone économique, les autres fournisseurs sont jugés à cette aune. Un appel d offres européen peut demain demander comment les contenus synthétiques sont marqués, sans citer de marque. Une startup qui s appuyait sur un modèle muet devra expliquer son choix. Elle pourra dire qu elle informe par une mention visible. Elle pourra dire qu elle attend une option équivalente. Elle aura plus de mal à dire qu elle n y a pas pensé.
Les outils de marketing qui génèrent des pages, des fiches, des séquences de messages sont dans la même barque. Leur promesse repose sur le volume. Le volume est précisément ce qui rend une retouche humaine complète improbable. Si une fraction seulement des textes est reprise, une fraction seulement perdra son grain. Le reste voyagera tel quel, du générateur au site, puis vers les agrégateurs. Les équipes qui vivent de ce volume ont intérêt à décider maintenant ce qu elles assument, plutôt que de découvrir leur politique dans le cache d un moteur.
Il y a enfin un effet sur la formation. Les écoles qui interdisent tout usage, et les écoles qui l autorisent sous condition, vont toutes deux être tentées par le détecteur. La restriction d accès les protège temporairement contre un usage disciplinaire hâtif. Elle ne les dispense pas d écrire une règle. Un étudiant qui utilise un compte hors Union, ou un autre outil, sortira du champ du filigrane OpenAI. La règle pédagogique qui ne parle que d un fournisseur sera contournée le jour même.
Une lecture froide des promesses et des trous
Réduit à l essentiel, le dispositif tient en quatre promesses et trois trous. Promesse de conformité avec une obligation européenne de marquage lisible par machine. Promesse d une signature qui survit au copier-coller. Promesse d une absence d identifiant personnel. Promesse d un impact négligeable sur la qualité, selon les mesures internes. Trou sur les textes courts, les calculs, les traductions. Trou sur la robustesse face à une paraphrase, déjà chiffrée par la société elle-même. Trou sur l accès au détecteur, fermé au public dans un premier temps.
Aucune de ces lignes n est un scandale. Ensemble, elles dessinent un outil de transition. Utile pour montrer qu un grand fournisseur se met au diapason d un règlement. Insuffisant pour servir de preuve dans une décision grave. Les organisations qui le traiteront comme une boussole, et non comme un tribunal, en tireront quelque chose. Celles qui attendent un bouton « humain ou machine » seront déçues, puis peut-être plus prudentes. Ce second effet ne serait pas le moindre.
OpenAI avait les pièces en main depuis au moins 2024, et a choisi d attendre. L attente prend fin là où la règle l exige, pas au-delà. C est un choix d entreprise, assumé, différent de celui d Anthropic. Les mois qui viennent diront si les utilisateurs européens s en accommodent, si les développeurs activent l option, et si les chercheurs agréés publient des limites plus sévères que celles déjà admises. D ici là, le geste le plus utile pour une startup n est pas de commenter la marque. C est de savoir, texte par texte, ce qu elle est prête à signer de son nom.
Questions concrètes à poser à son fournisseur
Une fiche de dix questions suffit souvent à faire avancer un comité produit. Quels modèles sont couverts par le filigrane. À quelle date pour les comptes européens. Le réglage API est-il disponible sur le modèle que l on appelle déjà. Peut-on l activer par requête, ou seulement par compte. Le signal survit-il à une passe de modération interne. Existe-t-il un moyen, pour un client entreprise, d obtenir un accès encadré au détecteur. Que se passe-t-il si le texte est ensuite traduit par un autre service de la même société. Les réponses écrites valent mieux que les réponses orales.
On peut ajouter une question de réversibilité. Si l on active le dispositif sur un flux, peut-on le couper sans casser l historique. Les textes déjà émis restent-ils marqués, ce qui est probable s ils le sont dans les mots eux-mêmes. Cette irréversibilité du passé est saine à expliquer aux métiers. On ne « démarque » pas un article déjà publié en décochant une case. On peut seulement décider pour les textes à venir, et documenter les anciens.
Dernière question, souvent oubliée. Que dit le contrat sur la responsabilité du contenu. Le filigrane ne la déplace pas. Un texte faux reste un texte faux, signé ou non. Les clauses qui prétendent le contraire ne tiendront pas mieux parce qu une clé statistique existe. Le rappel est utile au moment où certaines équipes seraient tentées de voir dans le marquage une forme de garantie. Ce n en est pas une. C est une trace d origine partielle, rien de plus.
Vers une hygiène de publication, pas vers un label magique
Le débat public aime les labels. Humain. Synthétique. Hybride. Le terrain est plus mêlé. Un fondateur dicte un plan à voix haute, un modèle propose trois angles, une rédactrice en garde un, réécrit l accroche, conserve deux phrases. Où commence la machine. Le filigrane, s il s allume, montrera qu elle est passée. Il ne découpera pas les mérites. Les chartes les plus solides que l on voit dans les jeunes pousses ne cherchent pas ce découpage. Elles exigent une relecture nommée, une source pour chaque chiffre, une archive de la consigne. Le reste est littérature.
Cette hygiène protège mieux qu un détecteur, y compris le jour où le détecteur s ouvre. Elle donne un récit. Qui a demandé. Qui a relu. Qu est-ce qui a été gardé. Face à un client, face à un régulateur, face à un lecteur exigeant, le récit bat le score. Le score peut l accompagner. Il ne le remplace pas. Les équipes qui investiront dans le récit, cette année, seront moins dépendantes du calendrier d ouverture d un outil qu elles ne contrôlent pas.
On peut terminer sur une image simple, sans mystère. Une signature dans le papier d un billet ne dit pas si le billet a servi à payer un livre ou une amende. Elle dit que le billet vient d un certain atelier, si l on sait la lire, et si personne n a trop gratté l encre. Le grain qu OpenAI s apprête à déposer dans les textes européens ressemble à cela. Utile entre des mains compétentes. Silencieux pour les autres. Fragile dès qu on réécrit. Et, pour l instant, réservé à ceux que la société acceptera comme lecteurs autorisés. Le reste du travail, celui qui consiste à assumer ce que l on publie, n a pas été automatisé.
]]>