ChatGPT en Europe : la fin des textes sans trace ?

Logo OpenAI blanc et loupe examinant des mots soulignés sur une page, illustration du filigrane textuel invisible textGrain.

Un texte copié depuis ChatGPT pourra bientôt emporter une trace invisible de son origine. OpenAI a annoncé le 5 octobre 2026 son filigrane textuel pour l’Union européenne. Annonce d’OpenAI

La perspective a de quoi inquiéter ceux qui utilisent ces outils pour travailler ou écrire. Que restera-t-il dans un document envoyé à un client, une candidature ou un devoir ? Pour comprendre ce changement, il faut séparer trois questions : comment la trace est inscrite, qui peut la chercher et ce qu’un résultat permet réellement d’affirmer.

ChatGPT et Codex : un déploiement européen, un détecteur fermé

ChatGPT et Codex seront concernés dans les prochaines semaines : sorties éligibles, toutes les offres, dans l’UE. L’API mondiale propose une activation volontaire sur certains modèles, désactivée par défaut. Le détecteur sera d’abord réservé aux chercheurs et organismes experts approuvés. Périmètre du lancement

Cette différence est essentielle. Ajouter un signal à une réponse et ouvrir un service permettant de le rechercher sont deux décisions distinctes. L’annonce prépare la première à grande échelle en Europe, tout en encadrant la seconde.

Un employeur ou un enseignant ne disposera donc pas, au lancement, d’un outil public OpenAI auquel soumettre librement tous les documents reçus. Cela pose une question de gouvernance : les critères d’accès au détecteur, puis d’élargissement éventuel de cet accès, mériteront autant d’attention que ses performances.

textGrain imprime sa signature dans le choix des mots

Le nom de la technologie est textGrain. Son rapport technique décrit un marquage intégré au moment de la génération. Un modèle produit des tokens, c’est-à-dire des mots ou fragments de mots, en choisissant parmi plusieurs suites possibles. Le système modifie légèrement ces probabilités à l’aide d’une clé secrète.

Sur un passage suffisamment long, ces choix peuvent former une régularité statistique. Un détecteur muni de la clé recherche cette régularité : le rapport indique qu’il lui faut le texte produit et la clé, sans connaître le réglage de force utilisé lors de la génération. Le mécanisme cherche à équilibrer la visibilité statistique du signal et la diversité des formulations.

Une analogie aide à saisir l’idée : dans un ensemble de choix apparemment ordinaires, certaines préférences se répètent un peu plus que prévu. Une phrase isolée ne suffit pas nécessairement ; c’est l’accumulation qui peut rendre la tendance mesurable.

Rien à effacer dans les espaces ou la ponctuation

OpenAI précise que le watermark ne repose ni sur des caractères cachés, ni sur des espaces invisibles, ni sur une ponctuation particulière. Le signal appartient à la formulation. Si celle-ci reste identique, un copier-coller est censé le conserver, sans garantir qu’il sera détectable dans chaque passage. Explication du centre d’aide

Changer le format d’un document ne répond donc pas à la même question que changer son contenu. C’est une distinction pratique pour les entreprises : conserver un historique de rédaction et de validation reste plus instructif que supposer qu’un fichier final raconte, à lui seul, tout son parcours.

Des chiffres qui empêchent de parler de preuve absolue

À un taux cible de faux positifs de 1 %, une expérience d’OpenAI sur des réponses anglaises ELI5 de 400 tokens illustre l’effet des retouches : évaluations du fabricant

État du texte dans cette expérience Taux de détection annoncé
Texte avant modification Environ 92 %
10 % des mots remplacés par des synonymes Environ 66 %
25 % des mots remplacés par des synonymes Environ 17 %

Ces chiffres proviennent du fabricant. Ils ne constituent pas une mesure générale des textes français en circulation. Leur intérêt est de montrer que la détection dépend du matériau examiné, pas seulement du logiciel utilisé.

Un faux positif peut devenir une vraie accusation

Le seuil de 1 % mérite une traduction concrète. Dans un exemple purement pédagogique, si ce taux s’appliquait à 10 000 textes sans filigrane, on attendrait environ 100 alertes erronées. Ce calcul n’est pas une prévision du trafic réel : il montre pourquoi un petit pourcentage peut avoir des conséquences à grande échelle.

Il ne faut pas non plus lire « 1 % de faux positifs » comme « chaque alerte a 99 % de chances d’être juste ». La proportion réelle de textes marqués dans le lot examiné compte aussi. Avant une décision concernant une personne, un score devrait donc conduire à vérifier le contexte, l’historique du document et les explications de son auteur.

Une trace OpenAI ne révèle pas qui a écrit

Selon le centre d’aide, un filigrane ne mesure pas la contribution humaine, n’identifie ni utilisateur ni prompt, et n’établit pas la propriété ou la responsabilité juridique. Il ne garantit pas davantage la véracité du contenu. L’absence de signal peut aussi tenir à un modèle non couvert ou à une transformation du texte. Sens et limites des résultats

Prenons une situation courante : une personne rédige une argumentation, demande une reformulation, puis corrige le résultat. L’enjeu éditorial est de savoir qui a vérifié les faits, choisi les arguments et assumé la version finale. Un test de provenance ne remplace pas cette enquête sur le travail accompli.

La tentation sera pourtant forte de transformer un indicateur technique en catégorie simple : humain ou machine. Pour les rédactions, les établissements scolaires et les services de recrutement, la difficulté sera de construire des règles qui tiennent compte des usages intermédiaires.

Ce que l’AI Act demande aux fournisseurs et aux éditeurs

L’article 50 du règlement européen sur l’IA distingue deux obligations. Les fournisseurs de systèmes génératifs doivent rendre leurs sorties identifiables dans un format lisible par machine, dans les limites techniques prévues. Le texte prévoit notamment une exception pour l’aide à l’édition standard ou l’absence de modification substantielle des données d’entrée ou de leur sens.

Pour les utilisateurs de systèmes publiant des textes destinés à informer le public sur des questions d’intérêt public, une obligation de divulgation est prévue, avec une exception lorsque le contenu a fait l’objet d’une révision humaine ou d’un contrôle éditorial et qu’une personne physique ou morale en assume la responsabilité éditoriale.

Le code de bonnes pratiques présenté par la Commission est un instrument volontaire pour faciliter la conformité. Il distingue le marquage technique des contenus et leur signalement auprès du public. Un filigrane invisible ne résout donc pas, à lui seul, les questions de transparence d’une publication.

La bataille portera sur l’interprétation de la trace

Pour un lecteur, le bon réflexe reste de demander des sources et de vérifier les affirmations. Pour une organisation, il consiste à documenter les étapes de production et à désigner la personne qui valide le résultat. Ces pratiques restent utiles avec ou sans détecteur.

Le changement annoncé ouvre une nouvelle étape : les textes peuvent porter un indice technique de leur fabrication, tout en restant impossibles à résumer par cet indice. Les prochaines évaluations devront notamment montrer comment le système se comporte sur des documents français réellement utilisés, avec leurs citations, leurs corrections et leurs contributions multiples.

Le risque décisif serait de confondre une trace avec un verdict. La transparence progressera si le watermark aide à poser de meilleures questions. Elle reculera si l’on s’en sert pour éviter d’examiner les réponses.

Références

About Salah YAHIAOUI

Salah YAHIAOUI publie sur The Pingouin des tutoriels Python et des décryptages sur l’intelligence artificielle. Les cas pratiques récents précisent leurs données, leurs tests et leurs limites. À propos, méthode éditoriale et contact.

View all posts by Salah YAHIAOUI →