Le filigrane textuel de Claude ne fonctionne pas toujours : 3 paramètres d’échantillonnage et 5 types de configuration API à vérifier par les développeurs

Note de l’auteur : Anthropic a mis à jour sa documentation officielle : Sonnet 4.6 pourrait ne pas intégrer de manière fiable le filigrane textuel lorsque les paramètres d’échantillonnage diffèrent de leurs valeurs par défaut. Cet article explique les conditions d’application du filigrane et propose une liste de vérification pour la configuration de l’API.

Deux appels à Claude peuvent produire des résultats différents : certaines réponses portent un filigrane textuel fiable, d’autres non. Dans sa documentation API mise à jour le 3 novembre 2026, Anthropic précise que les réponses de Claude Sonnet 4.6 peuvent ne pas porter de filigrane textuel fiable si les paramètres temperature, top_p ou top_k sont définis sur des valeurs autres que celles par défaut. Les équipes qui utilisent ce filigrane pour leur conformité interne doivent donc vérifier ce point séparément.

Ce n’est pas une rumeur. La documentation officielle sur le filigrane textuel de l’API et le tableau des modèles pris en charge dans le centre d’aide mentionnent tous deux cette limite. Anthropic recommande d’omettre ces trois paramètres, plutôt que de leur attribuer une prétendue « valeur sûre ».

L’essentiel : en 3 minutes, découvrez dans quelles configurations le filigrane textuel de Claude peut ne pas fonctionner et quels points vérifier selon que vous utilisez l’API Claude, une plateforme cloud ou un service proxy API tiers.

Filigrane textuel de Claude : l’essentiel

Voici les points clés de cette mise à jour. Les informations ci-dessous ont été vérifiées le 5 novembre 2026 dans le centre d’aide et la documentation API d’Anthropic. Les modèles pris en charge peuvent évoluer par la suite.

Pourquoi le filigrane textuel de Claude est étendu à d’autres modèles

Selon un article publié le 31 octobre par le média technologique The Decoder, Anthropic a indiqué dans un courriel envoyé à ses clients API qu’il ajouterait progressivement un filigrane textuel invisible à quatre modèles déjà commercialisés, à partir du 3 novembre. Des modèles plus récents comme Opus 5.5 prenaient déjà en charge cette fonctionnalité. Cette mise à jour élargit donc la couverture à d’autres modèles, sans lancement d’un nouveau produit de détection ni modification des tarifs.

Au 5 novembre, le centre d’aide officiel répertorie 16 modèles Claude : 12 sont indiqués comme prenant en charge le filigrane textuel sur les canaux directs d’Anthropic, tandis que la case correspondante est vide pour les 4 autres. Voici le statut des quatre modèles concernés par l’extension :

Le cas d’Opus 4.6 mérite une précision. Le courriel aux clients le présente comme l’un des modèles concernés par l’extension. Les limites décrites dans le même document officiel mentionnent également les paramètres d’échantillonnage autres que ceux par défaut pour Opus 4.6, mais les cases relatives au filigrane textuel restent vides dans le tableau de prise en charge. Ces sources publiques ne concordent donc pas, et ne permettent pas pour l’instant de déterminer sur quels canaux ou avec quelles configurations le déploiement d’Opus 4.6 est terminé. Opus 4.5, Sonnet 4.5 et Haiku 4.5 ne sont pas non plus indiqués comme prenant en charge le filigrane textuel dans le tableau officiel.

Lien entre le filigrane textuel de Claude et trois paramètres d’échantillonnage

Ces trois paramètres ne sont pas des interrupteurs pour le filigrane. Ils contrôlent la façon dont le modèle choisit parmi les mots candidats. Or, le filigrane textuel de Claude exploite précisément les régularités statistiques de ce processus : les deux peuvent donc s’influencer.

À quoi servent temperature, top_p et top_k ?

Ces trois paramètres agissent sur la même question : « comment choisir le prochain token ? » Le signal du filigrane apparaît lui aussi à cette étape. Si la stratégie d’échantillonnage change, le motif statistique sur lequel repose le filigrane peut être perturbé. Cela dit, Anthropic n’affirme pas que toute combinaison de valeurs non définies par défaut fera disparaître complètement le filigrane. Il est donc plus juste de dire qu’il « peut devenir moins fiable », et non qu’il « cessera forcément de fonctionner ».

Le filigrane textuel de Claude prend forme pendant la génération

Anthropic a présenté ce mécanisme le 14 août 2026. Il s’agit d’une implémentation de la méthode SynthID-Text de Google DeepMind. Lorsque Claude génère des tokens un par un, plusieurs candidats sont généralement plausibles sur le plan sémantique à une même position. Par exemple, après « The weather today was cold and … », aussi bien « grey » que « overcast » conviennent. Sans nuire à l’exactitude ni à la qualité, le système utilise le contexte précédent et une clé secrète pour déterminer l’aléa qui intervient dans ces choix. La succession de ces choix forme alors un motif statistique détectable.

Le filigrane n’est donc pas un module de post-traitement : les développeurs n’ont aucune des opérations suivantes à effectuer :

• ajouter un champ à la requête ou modifier le code d’analyse de la réponse ;
• rechercher des caractères Unicode cachés, un signe visible ou un code d’identification en fin de texte : la sortie n’en contient pas ;
• appeler une API distincte pour le filigrane.

Le filigrane ne contient pas non plus d’informations d’identification comme un ID utilisateur, un compte ou un historique de conversation.

Comme le filigrane se forme pendant la génération, son comportement varie selon les situations. Les textes longs offrent davantage de possibilités de formulation et permettent généralement d’accumuler plus facilement un signal. Le corps du code est soumis à des règles syntaxiques strictes : le filigrane y est plus rare, mais peut encore apparaître dans les commentaires et les explications. Une réécriture complète, l’ajout d’autres contenus ou une retraduction par un autre processus peuvent affaiblir sensiblement le signal d’origine. Anthropic n’a publié ni seuil de longueur pour la détection, ni taux de précision ou de faux positifs ; cet article ne propose donc pas de chiffres estimés.

Comment vérifier la configuration API liée au filigrane textuel de Claude

Pour savoir si votre invocation remplit les conditions d’application du filigrane, le nom du modèle ne suffit pas : il faut aussi examiner les paramètres réellement envoyés et l’état du déploiement en amont. Voici les points à vérifier selon le canal utilisé.

Les services tiers méritent quelques précisions. Le filigrane d’Anthropic est un mécanisme intégré au modèle : si un service tiers utilise bien le modèle d’origine compatible avec le filigrane, il ne faut pas supposer que ses sorties en sont dépourvues simplement parce que le fournisseur a changé. Cela dit, les stratégies de routage, les versions des modèles et les traitements varient selon les fournisseurs : un filigrane intégré au modèle ne signifie pas que chaque chaîne de sortie d’un service tiers a été vérifiée de manière indépendante. Pour les usages soumis à des exigences strictes de conformité, la conclusion doit reposer sur des vérifications effectives, et non sur les seules promesses d’une plateforme.

Exemple minimaliste : appeler Claude sans paramètres d’échantillonnage

La recommandation officielle est d’omettre ces trois paramètres. Le plus simple est donc de ne pas les inclure dans la requête : le modèle utilisera sa configuration d’échantillonnage par défaut.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface APIYI compatible avec OpenAI
)

# Attention : ne pas transmettre temperature / top_p / top_k
response = client.chat.completions.create(
    model="YOUR_CLAUDE_MODEL_ID",  # Utiliser l’ID réel figurant dans la liste des modèles de la plateforme
    messages=[{"role": "user", "content": "写一段产品介绍"}]
)
print(response.choices[0].message.content)

import json
import logging
import httpx
import openai

logging.basicConfig(level=logging.INFO)
SAMPLING_KEYS = {"temperature", "top_p", "top_k"}

def audit_request(request: httpx.Request):
    """Vérifier le corps de la requête avant son envoi et signaler tout paramètre d’échantillonnage"""
    try:
        body = json.loads(request.content or b"{}")
    except Exception:
        return
    found = SAMPLING_KEYS & set(body.keys())
    # Vérifier aussi le champ extra_body utilisé par certaines plateformes pour transmettre des paramètres
    found |= SAMPLING_KEYS & set(body.get("extra_body", {}) or {})
    logging.info("model=%s sampling_params=%s",
                 body.get("model"), {k: body.get(k) for k in found})
    if found:
        logging.warning("检测到采样参数 %s，水印可能不可靠", found)

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",
    http_client=httpx.Client(event_hooks={"request": [audit_request]})
)

def call_claude(prompt: str, model: str, **kwargs) -> str:
    """Fonction métier : retirer les paramètres d’échantillonnage transmis par erreur en amont"""
    clean_kwargs = {k: v for k, v in kwargs.items() if k not in SAMPLING_KEYS}
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        **clean_kwargs
    )
    # Consigner l’identifiant du modèle renvoyé dans la réponse pour conserver la configuration de l’appel
    logging.info("response_model=%s", resp.model)
    return resp.choices[0].message.content

print(call_claude("总结一下文本水印的原理", model="YOUR_CLAUDE_MODEL_ID",
                  temperature=0.7))  # Ce paramètre sera retiré par la fonction d’encapsulation

Ce code comporte deux niveaux de protection. La fonction métier retire les paramètres transmis par erreur en amont ; le hook HTTP audite le corps de la requête réellement envoyée et peut détecter les paramètres injectés à votre insu par un SDK, un framework ou un middleware. La documentation officielle le souligne : ne pas définir un paramètre explicitement ne signifie pas qu’il est absent de la requête. Certaines classes d’encapsulation de frameworks peuvent définir une valeur de temperature par défaut ; il faut donc vérifier la requête effectivement interceptée.

🚀 Pour commencer rapidement : si vous souhaitez comparer les configurations de requête entre plusieurs versions de Claude, vous pouvez d’abord tester différents ID de modèle sur APIYI apiyi.com avec la même clé API. Utilisez le hook d’audit ci-dessus pour vérifier qu’aucun paramètre indésirable n’est présent, puis choisissez votre configuration de production.

Impact du filigrane textuel de Claude sur les développeurs

Pour les développeurs qui utilisent l’API

• Identifiez précisément le modèle et sa version : le filigrane ne fonctionne pas de la même façon pour tous les modèles « Claude ». Sonnet 4.6 le prend en charge sous certaines conditions, la situation d’Opus 4.6 reste incertaine et la série 4.5 n’est pas encore indiquée comme compatible. Il faut donc traiter chaque modèle séparément.
• Auditez les paramètres d’échantillonnage : des paramètres comme temperature sont souvent réglés par habitude lors de l’optimisation. Si votre activité dépend du filigrane, incluez-les dans les configurations soumises à approbation.
• Ne cherchez pas de « valeur sûre » : la recommandation officielle est d’omettre les paramètres, et non de leur attribuer une valeur précise. Les astuces qui circulent en ligne pour contourner ou conserver le filigrane n’ont pas été confirmées officiellement et ne devraient pas être utilisées.
• Le filigrane n’a pas d’incidence sur les coûts : selon la documentation officielle, il n’augmente ni le nombre de tokens ni les frais. Certains modèles Claude 4.7 et ultérieurs peuvent compter davantage de tokens pour un même texte, en raison du découpage différent du nouveau tokenizer, et non du filigrane.

Pour la conformité et les utilisateurs de plateformes

Les obligations de transparence prévues à l’article 50 du règlement européen sur l’intelligence artificielle s’appliquent depuis le 2 août 2026. Pour les systèmes existants admissibles aux dispositions transitoires, la période de transition se poursuit jusqu’au 2 décembre 2026. Les entreprises qui dépendent du filigrane intégré au modèle devraient avoir terminé leur inventaire des configurations avant cette échéance. Le marquage lisible par machine intégré au modèle et l’obligation éventuelle pour l’utilisateur d’ajouter une mention visible au contenu sont deux choses distinctes. Les obligations précises doivent être déterminées selon le rôle de fournisseur ou de déployeur et le type de contenu.

Les équipes qui utilisent une plateforme d’agrégation d’API devraient gérer les « changements de fonctionnalités des modèles en amont » comme des changements de dépendances. Trois éléments déterminent si les conditions nécessaires au filigrane sont réunies : la version du modèle en amont à laquelle correspond l’ID du modèle sur la plateforme, la transmission ou non des paramètres sans modification, et la traduction ou la reformulation éventuelle des réponses.

💡 Conseil : si le filigrane est une exigence incontournable pour votre activité, privilégiez les modèles officiellement indiqués comme compatibles, comme Opus 4.7, Opus 5.5 ou Sonnet 5.5, et conservez un historique des configurations d’invocation. Lors de vos tests sur APIYI apiyi.com, vérifiez d’abord les versions indiquées dans la liste des modèles avant de passer en production.

Liste de vérification du filigrane textuel de Claude pour les développeurs

Si votre activité exige de conserver le filigrane textuel de Claude, vérifiez les points suivants :

1. Le modèle figure-t-il dans la liste officielle des modèles pris en charge ? Notez également la date de vérification.
2. Quelle est la plateforme utilisée et quel est l’état du déploiement cloud ? Les utilisateurs de Bedrock doivent garder à l’esprit la date prévue de fin de déploiement, le 10 novembre.
3. Le paramètre temperature apparaît-il dans le corps de la requête ?
4. Le paramètre top_p apparaît-il dans le corps de la requête ?
5. Le paramètre top_k apparaît-il dans le corps de la requête ?
6. Le SDK, le framework, la passerelle ou le middleware injecte-t-il automatiquement des paramètres d’échantillonnage ?
7. La sortie a-t-elle été retraduite, largement reformulée ou assemblée avec d’autres contenus ?
8. Pour les activités importantes, conservez-vous un historique des versions du modèle et des configurations d’invocation ?

Enfin, il faut aussi connaître les limites de la détection. Au 5 novembre, l’API de détection du filigrane textuel d’Anthropic était encore en préversion privée. Elle s’adresse principalement aux organismes de réglementation, aux médias, aux chercheurs, aux établissements d’enseignement et aux entreprises ayant des besoins de vérification de conformité. Les utilisateurs ordinaires ne disposent pas encore d’un outil public de détection en libre-service. Le Content Checker gratuit de Claude vérifie les certificats de contenu C2PA associés aux fichiers : il ne s’agit pas du même mécanisme que la détection du filigrane textuel.

Questions fréquentes (FAQ)

Points clés sur le filigrane textuel de Claude

• Les trois paramètres ne sont pas des interrupteurs : temperature, top_p et top_k influent sur l’échantillonnage et peuvent donc perturber le signal du filigrane.
• La recommandation officielle est d’omettre ces paramètres : ne définissez pas vous-même de « valeurs sûres » et vérifiez que votre framework ne les ajoute pas automatiquement.
• Chaque modèle a son propre statut : Sonnet 4.6 est pris en charge sous certaines conditions, le statut d’Opus 4.6 reste incertain et la série 4.5 n’est pas encore indiquée comme prise en charge.
• Le filigrane se forme pendant la génération : il n’est pas nécessaire de modifier les champs de la requête ou le code d’analyse, et il ne donne lieu à aucune facturation supplémentaire.
• Le statut varie selon le canal : le déploiement sur Bedrock devrait être terminé d’ici le 10 novembre ; les chaînes passant par des tiers doivent être vérifiées séparément.
• Conservez vos configurations : APIYI apiyi.com permet de tester les versions des modèles et leurs paramètres depuis une interface commune, tout en consignant les configurations d’invocation.

En résumé

Trois points résument les changements concernant le filigrane textuel de Claude :

1. Des limites explicites : avec Sonnet 4.6, le filigrane peut être moins fiable lorsque les paramètres d’échantillonnage ne sont pas ceux par défaut. La recommandation officielle est de les omettre.
2. Un mécanisme clair : le filigrane se forme pendant la génération à partir de régularités statistiques dans le choix des tokens ; ce n’est pas un module de post-traitement.
3. Un statut qui évolue : l’élargissement de la prise en charge est toujours en cours. Il faut donc continuer à consulter la documentation officielle pour suivre le statut d’Opus 4.6 et l’avancement sur chaque plateforme cloud.

Pour les utilisateurs de l’API, vérifier le nom du modèle ne suffit pas : il faut aussi contrôler les paramètres réellement envoyés et l’état du déploiement en amont. Nous recommandons de comparer les différentes versions de Claude via l’interface commune d’APIYI apiyi.com et de consigner les configurations d’invocation, afin de pouvoir réagir aux changements de prise en charge officielle.

📚 Références

1. Documentation de développement Anthropic API sur le filigrane textuel : restrictions des paramètres d’échantillonnage et recommandations officielles
2. Lien : platform.claude.com/docs/en/build-with-claude/text-watermark

3. Description : source directe sur les restrictions de paramètres de Sonnet 4.6

4. Centre d’aide Anthropic – How Claude marks AI-generated content : tableau de prise en charge par modèle

5. Lien : support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content

6. Description : consultez l’état actuel du filigrane pour chaque modèle et canal

7. Anthropic – How Claude’s text watermark works : principes techniques du filigrane

8. Lien : www.anthropic.com/news/claude-text-watermark

9. Description : pour comprendre le fonctionnement du filigrane au niveau de la génération

10. Article de The Decoder : extension du filigrane à quatre anciens modèles

11. Lien : the-decoder.com/anthropics-watermark-rollout-leaves-a-loophole-on-two-older-Claude-models

12. Description : calendrier et modèles concernés, d’après un courriel envoyé aux clients

13. Nature – Scalable watermarking for identifying LLM outputs : article scientifique sur SynthID-Text

14. Lien : www.nature.com/articles/s41586-024-08025-4
15. Description : contexte scientifique des méthodes de filigranage

Auteur : équipe technique APIYI
Échanges techniques : rendez-vous sur la page d’accueil d’APIYI, apiyi.com, pour nous contacter et discuter de l’invocation des modèles Claude et de la configuration des paramètres.

Articles connexes

• Filigrane Claude du 11/3 : l’ancienne version remplacée, vérifiez les 4 modèles ; présent uniquement avec les paramètres par défaut: Dès le 3 novembre, le filigrane textuel de Claude s’étend à quatre anciens modèles ; cet article fournit une liste d’autocontrôle et précise son application aux seuls paramètres par défaut, les limites de détection et les mesures pour les équipes de contenu et les utilisateurs d’API.