# ChatGPT va marquer ses textes en Europe : cette astuce fait tomber la détection à 17 % ![](https://pix-geeks.com/wp-content/uploads/2026/10/chatgpt-marquer-textes-europe-astuce-tomber-detection-17-194917.jpg) **Date:** 6 octobre 2026 **Source:** [PIX GEEKS](https://pix-geeks.com) **Catégories:** [High-Tech](https://pix-geeks.com/tech/) > [Intelligence Artificielle](https://pix-geeks.com/tech/intelligence-artificielle/) **Étiquettes:** [ChatGPT](https://pix-geeks.com/dossier/chatgpt/), [Claude](https://pix-geeks.com/dossier/claude/) **Marques:** [Anthropic](https://pix-geeks.com/marque/anthropic/), [OpenAI](https://pix-geeks.com/marque/openai/) **Entités principales:** Corporation: [Anthropic](http://www.wikidata.org/entity/Q116758847), [OpenAI](http://www.wikidata.org/entity/Q21708200) **Entités secondaires:** Intangible: [Intelligence Artificielle](https://www.wikidata.org/wiki/Q11660) **OpenAI va glisser un filigrane statistique invisible dans les textes de ChatGPT et de Codex pour ses utilisateurs européens, près de deux mois après Anthropic et son équivalent pour Claude. Sur une page de texte intacte, le signal se détecte neuf fois sur dix, mais une astuce permet de faire passer la détection d’environ 92 % à 17 %.** Ce chiffre de **17 %** vient d’OpenAI qui l’a mesuré sur un texte de 400 tokens, soit à peu près une page. Avant toute retouche, la détection atteignait environ 92 % sur ce même texte, et elle tombait à 66 % quand un mot sur dix était remplacé. OpenAI a présenté [le 5 octobre 2026](https://openai.com/index/eu-text-provenance/) ce dispositif baptisé textGrain, un signal statistique invisible ajouté aux choix de mots du modèle. Il arrive dans ChatGPT, sur tous les forfaits, et dans Codex « dans les prochaines semaines », pour les seuls utilisateurs situés dans l’Union européenne. Si vous utilisez ChatGPT depuis la France, vous êtes donc concerné. Le déclencheur est l’article 50 de l’**AI Act**, le règlement européen sur l’IA, entré en vigueur le 2 août 2026, qui impose des obligations de transparence sur les contenus générés. ## textGrain : obligatoire en Europe, optionnel ailleurs Côté API, les développeurs du monde entier peuvent activer le filigrane sur certains modèles, mais il reste désactivé par défaut. Le détecteur n’est pas public : OpenAI le réserve à des chercheurs et à des organisations expertes approuvés sur candidature, et affirme qu’il ne révèle ni l’identité de l’utilisateur ni ses requêtes. Vous ne pourrez donc pas coller un texte dans un outil pour savoir s’il vient de ChatGPT. Le filigrane existera, mais presque personne ne pourra le lire. ### Anthropic avait ouvert la voie en août, pour le monde entier Anthropic avait confirmé à la mi-août 2026 que **Claude marquait ses textes**\.Tous les modèles lancés à partir du 2 août portent le filigrane, dans l’API comme dans Claude, Claude Code ou Cowork, et partout dans le monde. Contrairement à OpenAI, Anthropic n’a pas limité le dispositif à l’Europe. L’entreprise décrit une version de **SynthID-Text**, la méthode publiée par Google DeepMind en 2024, sans dire en quoi la sienne s’en distingue. Elle assure que le filigrane ne repose sur aucun caractère invisible ajouté au texte et qu’il ne contient aucun identifiant d’utilisateur, d’organisation ou de conversation. Les limites ressemblent à celles d’OpenAI : le marquage est faible sur le code et sur les passages factuels, où le choix des mots est trop contraint. Et l’API de détection annoncée pour des tiers reste, elle aussi, floue sur ses modalités. ## Un filigrane de texte est un biais statistique sur le choix des mots Un modèle de langage écrit mot après mot, en tirant chaque « token » (un mot ou un morceau de mot) dans une distribution de probabilités. Souvent, plusieurs candidats se valent, comme « **rapide** » et « **véloce**« , ou deux tournures presque équivalentes. C’est dans cette marge de liberté que se glisse le filigrane : au lieu de tirer au hasard, **le modèle est poussé par une clé secrète vers certains choix**. Prenons la méthode publiée en 2023 par [une équipe de chercheurs autour de John Kirchenbauer](https://arxiv.org/abs/2301.10226)\.Avant chaque mot, elle sépare le vocabulaire en une liste « verte » et une liste « rouge » à partir d’un hachage du mot précédent, puis pousse légèrement le modèle vers les mots verts. Le détecteur compte ensuite la part de mots verts et applique un test statistique. Si elle dépasse nettement ce que le hasard donnerait, le texte est marqué, et le modèle n’a même pas besoin d’être consulté. SynthID-Text, décrit par Google DeepMind dans [Nature en 2024](https://www.nature.com/articles/s41586-024-08025-4), procède autrement. Il organise des « tournois » entre plusieurs mots candidats, notés par des fonctions pseudo-aléatoires qui dépendent de la clé et des mots précédents, puis il garde le vainqueur. L’objectif est de ne pas déformer la distribution du modèle. Google a suivi près de 20 millions de réponses Gemini et n’a relevé que 0,01 % d’écart sur le taux de pouces levés. OpenAI ne détaille pas la mécanique de textGrain dans son annonce. Dans tous les cas, le signal ne se lit pas dans un mot isolé, il émerge d’un texte entier, comme le biais d’une pièce truquée qu’on ne voit qu’après des centaines de lancers. D’où les chiffres d’OpenAI : environ 80 % de détection à 200 tokens, plus de 90 % à 400, et un score nettement plus bas sur les réponses de mathématiques, où le choix des mots laisse peu de marge. ## Un mot remplacé sur quatre, et la détection tombe à 17 % La fragilité découle du même principe. Sur 400 tokens, la détection passe d’environ 92 % à 66 % si un mot sur dix est remplacé, puis à **17 %** si c’est un mot sur quatre. Chaque mot changé efface un indice. Dans le schéma de Kirchenbauer, il modifie même la liste verte du mot suivant, puisque celle-ci dépend du mot précédent. OpenAI reconnaît que les faux positifs et les faux négatifs existent, et que les textes courts ou contraints sont difficiles à détecter. Sa phrase la plus nette tient en une ligne : > The absence of a detected watermark does not prove human authorship. Autrement dit, un texte sans filigrane n’est pas forcément écrit par un humain. L’inverse se vérifie aussi, puisque Anthropic indique que la marque signale seulement que Claude a pu intervenir, y compris sur un texte écrit par quelqu’un d’autre et simplement retouché avec Claude. Alors, que prouve vraiment un filigrane ? ## Réécrire avec un petit modèle de langage suffit, selon la recherche Reste la question que tout le monde se pose : peut-on effacer ces marques ? La recherche publiée répond oui pour d’autres schémas, et l’idée tient en peu de mots, faire réécrire le texte par un modèle qui n’a pas la clé. Une équipe de l’Institut indien des sciences de Bangalore a ainsi mesuré, en 2024, l’effet d’une [paraphrase ciblée](https://arxiv.org/abs/2411.05277), guidée par une estimation du filigrane, sur deux schémas pourtant conçus pour être robustes. La détection du premier passe de 99,3 % à 0,2 %, celle du second de 93,3 % à 3,8 %, à 1 % de faux positifs. Une autre équipe, à l’ICML 2025, va plus loin avec [SIRA](https://arxiv.org/abs/2505.05190)\.Elle part d’un constat : les filigranes se logent dans les mots les plus « surprenants », ceux où le modèle avait le plus de liberté, et ces mots se repèrent sans connaître ni la clé ni le détecteur. L’attaque les masque, puis demande à un modèle de langage de réécrire les trous à partir du texte de référence. Elle atteint près de 100 % de réussite sur sept algorithmes de filigrane, pour 0,88 $ le million de tokens contre 20 $ avec GPT-4o. Sa version « Tiny », de seulement 3 milliards de paramètres, fait même mieux que toutes les méthodes précédentes. Comme l’attaque n’a besoin ni de la clé ni d’un accès au détecteur, elle ne dépend d’aucun modèle en particulier. Sur le papier, un modèle open source de petite taille, exécuté en local, fait donc l’affaire. Ces sept schémas ne comprennent toutefois ni SynthID-Text ni textGrain, et Anthropic admet de son côté qu’une réécriture où chaque mot est remplacé effacera [sûrement le filigrane](https://pix-geeks.com/detection-chatgpt/)\.Le 17 % d’OpenAI va dans le même sens. Reste à savoir si textGrain, annoncé le 5 octobre 2026, tiendra mieux le choc que les sept schémas testés par les chercheurs. Je n’ai trouvé aucun test indépendant publié à ce jour. --- **Article précédent:** [Henry Cavill va développer un jeu vidéo pour Google](https://pix-geeks.com/henry-cavill-jeu-video-googlebook/)