OpenAI a annoncé le 5 octobre 2026 un filigrane pour les textes de ChatGPT. Côté ChatGPT et Codex, il ne marquera que les sorties européennes ; seuls des chercheurs et des organismes agréés auront accès au détecteur. Une équipe qui publie chaque semaine des textes écrits avec ChatGPT découvre donc que le marquage dépend du pays et du réglage de l’API : le même paragraphe porte une signature ou n’en porte aucune. Peut-on détecter un texte ChatGPT grâce à ce filigrane ? Pour l’instant, le détecteur reste fermé au public ; d’après les évaluations d’OpenAI, la détection chute à 17 % (passages de 400 tokens) quand un quart des mots est remplacé par des synonymes.
Les annonces d’OpenAI du 5 octobre 2026
Le billet Our approach to EU text provenance rules, publié par OpenAI le 5 octobre 2026, pose quatre décisions, en réponse à l’article 50 de l’AI Act (règlement UE 2024/1689), qui impose aux fournisseurs de rendre le texte généré identifiable de façon lisible par machine. Les clients de l’API peuvent activer le filigrane dès l’annonce sur une sélection de modèles ; il reste désactivé par défaut. ChatGPT et Codex le recevront « dans les prochaines semaines » sur tous les plans, dans l’Union européenne uniquement, sans date précise. Le détecteur s’ouvre sur candidature à des chercheurs et à des organisations expertes. Enfin, OpenAI prévoit de publier la technologie en open source, là encore sans calendrier.
La méthode s’appelle textGrain. OpenAI affirme qu’elle égale ou dépasse les autres approches testées, SynthID pour le texte de Google DeepMind compris. Sur Astra, son dernier modèle de pointe, l’Artificial Analysis Intelligence Index passe de 49,57 points sans filigrane à 49,76 avec : le marquage ne dégrade pas les performances mesurées par OpenAI, les écarts sur les autres tests publiés restant de l’ordre d’un à deux points dans les deux sens.
Comment un filigrane s’inscrit dans les mots
Le filigrane ne cache aucun caractère invisible et ne passe par aucun tiret : la rumeur sur la ponctuation n’a pas d’objet. Quand un modèle écrit, il choisit chaque mot suivant parmi plusieurs candidats plausibles. textGrain oriente ce tirage à l’aide d’une clé secrète. Le détecteur cherche ensuite la trace statistique de cette orientation dans le passage. Google DeepMind avait décrit le même principe pour SynthID-Text dans Nature en octobre 2024, avec un test grandeur nature sur près de 20 millions de réponses Gemini.
La longueur du texte décide du verdict
Un objet d’email ou une meta description de 150 caractères : ces formats courts figurent parmi les plus produits avec ChatGPT par les équipes marketing. Ce sont aussi ceux que le filigrane protège le moins.
À un taux cible de faux positifs de 1 %, le détecteur d’OpenAI repère la marque dans environ 80 % des passages de 200 tokens et dans environ 95 % des passages de 400 tokens, sur un contenu de type psychologie. En français, 200 tokens représentent de l’ordre de 150 mots (estimation, le ratio varie selon le tokenizer) : en dessous, on sort du périmètre évalué. Un article de blog de 1 200 mots dépasse largement les deux seuils ; un post LinkedIn de 80 mots reste très en deçà, tout comme une description de produit de 40 mots. Le type de contenu pèse aussi, puisque les taux sont nettement plus bas sur les mathématiques, où le choix des mots laisse peu de latitude.
La langue change aussi la donne. Selon les tests d’OpenAI rapportés par Next.ink, la détection dépasse 60 % en français, contre 69 % en espagnol et 42,2 % en roumain. Pour un texte français, les seuils ci-dessus sont donc un plafond.
Reste l’édition. Sur des passages de 400 tokens, remplacer 10 % des mots par des synonymes fait passer la détection d’environ 92 % à 66 %. Remplacer 25 % des mots la ramène à 17 %. Une réécriture appuyée d’un brouillon peut atteindre ce seuil ; OpenAI ajoute qu’une traduction suffit aussi à brouiller le signal.
Ces chiffres viennent des seules évaluations d’OpenAI, dont le rapport technique doit être complété dans les semaines à venir. Le détecteur n’étant accessible qu’à des relecteurs agréés, un marketer ne peut pas les reproduire sur ses propres textes.
Ce que le filigrane ne dit pas
OpenAI énumère elle-même ce qu’un résultat positif n’établit pas : la part de travail humain, la propriété du texte, l’identité de l’utilisateur, l’exactitude du contenu. Sur l’absence de marque, la formulation est nette (OpenAI, 5 octobre 2026) :
L’absence de filigrane détecté ne prouve pas que le texte a été écrit par un humain.
Le détecteur laisse passer un texte trop court, un texte retouché, une traduction, un passage issu d’un modèle non pris en charge ou rédigé avec l’outil d’un autre éditeur. Aucune conclusion sur l’auteur n’en découle. Anthropic formule la même réserve dans sa documentation : le filigrane de Claude atteste qu’un texte est passé par le modèle et ne prouve pas qui en est l’auteur final. Une traduction ou une correction passée par Claude laisse d’ailleurs la même trace qu’une génération intégrale, un point que le billet d’OpenAI mentionne à sa façon en parlant de texte « généré ou traité » par ses systèmes.
Où la marque s’active : l’API et l’Union européenne d’abord, les partenaires cloud ensuite
Un agent de rédaction branché sur l’API porte-t-il le filigrane ? Par défaut, non. Le réglage existe pour une liste de modèles que l’annonce désigne comme select models. Un flux n8n ou Make qui appelle l’API avec un system prompt n’y change rien tant que personne n’a coché l’option. OpenAI indique aussi travailler avec ses partenaires cloud pour que le marquage soit disponible sur les sorties de ses modèles servies par leurs plateformes, « dans les prochaines semaines ».
L’objection d’un praticien est légitime : tout cela reste de la théorie tant qu’on n’a pas ouvert sa propre configuration. La vérification est rapide : relire la documentation du modèle utilisé, repérer s’il figure parmi les modèles pris en charge, puis consigner le réglage retenu dans un document partagé.
La zone grise se situe chez les intégrateurs. Une entreprise qui embarque l’API dans son propre produit et laisse le réglage par défaut ne peut pas s’appuyer sur le marquage d’OpenAI, puisqu’aucun n’est appliqué.
Claude et Gemini avaient de l’avance
Gemini marque son texte avec SynthID depuis 2024. Anthropic applique un filigrane statistique aux sorties de ses modèles disponibles dans l’Union européenne depuis le 2 août 2026, ce que détaille notre analyse de l’article 50 de l’AI Act, rédigée à une date où ChatGPT n’avait encore rien d’équivalent sur le texte. Ce point a changé le 5 octobre.
Chaque schéma repose sur une clé propre à son éditeur ; par construction, le détecteur d’un fournisseur ne lit pas la marque d’un autre. Un rédacteur qui alterne Claude et ChatGPT ne peut donc pas obtenir de verdict global.
Que faire d’un texte dont on doute ?
L’angle des scores de détecteurs grand public est traité dans notre article sur la course aux armements entre détecteurs IA et contenu généré. Côté filigrane, quatre réflexes tiennent la route :
- Considérer un résultat positif comme un indice sur le passage testé. Il reste muet sur l’auteur comme sur la qualité du texte ; OpenAI le dit elle-même dans son billet du 5 octobre.
- Mesurer la longueur avant d’interpréter : sous 200 tokens, même un texte marqué échappe au détecteur dans une proportion non négligeable.
- Remonter à l’historique de génération plutôt qu’au texte final : un billet publié le 6 octobre 2026 sur DEV Community propose un schéma minimal pour consigner qui a généré quoi et quelle version a été retenue.
- Documenter côté équipe le modèle, le réglage de filigrane et la date de chaque génération, puisque rien d’extérieur ne le fera. Un tableur partagé suffit pour démarrer ; un journal d’événements horodaté devient nécessaire dès que plusieurs agents écrivent en parallèle et que des relecteurs retouchent les sorties.
Une signature invisible n’engage que celui qui détient la clé.
