Comment supprimer le filigrane Claude

À partir d'août 2026, chaque bloc de texte généré par Claude porte un filigrane invisible. Vous ne pouvez pas le voir, la vérification orthographique ne le signalera pas, et il survit à un copier-coller de Claude directement dans votre document. Anthropic l'a conçu pour que le texte écrit par l'IA puisse être retracé jusqu'au modèle, et la marque se glisse discrètement au cœur des mots eux-mêmes.

Si vous êtes propriétaire du contenu que vous avez généré et que vous souhaitez que cette "empreinte" disparaisse, un projet open source appelé watermarks-remover est l'outil le plus souvent utilisé. Ce guide explique ce qu'est réellement le filigrane de Claude, ce que l'outil peut et ne peut pas supprimer, et comment l'exécuter précisément.

Un mot avant de commencer : il s'agit d'hygiène et de confidentialité sur les textes et fichiers que vous possédez. Supprimer une marque de provenance pour commettre une fraude académique, contourner une politique de divulgation ou faire passer le travail de l'IA pour humain en vertu d'un contrat qui l'interdit est une mauvaise idée et souvent contraire aux règles qui vous lient. Connaissez les conditions dans lesquelles vous opérez.

En bref

• Ce qu'est la marque : Claude oriente ses choix de mots selon une clé secrète, laissant une signature statistique répartie sur un passage. Ce n'est pas un caractère caché que vous pouvez trouver et supprimer. Il existe également une balise de métadonnées C2PA distincte, au niveau du fichier, sur les images et certains documents.
• Ce qui survit : La marque de texte statistique survit au copier-coller. Elle se dégrade avec la paraphrase, les modifications importantes et la traduction. Elle est faible, voire absente, dans les passages courts et dans le code (les formateurs éliminent le peu de signal existant).
• L'outil : watermarks-remover est un kit d'outils sous licence MIT, compatible Python 3.10+ et basé sur la bibliothèque standard. Il gère deux tâches différentes avec deux couches distinctes.
• Couche A (déterministe) : Supprime les caractères Unicode invisibles, les espaces exotiques, les caractères bidirectionnels et les caractères de balisage du texte. Rapide, testable, sans perte. C'est la partie fiable.
• Couche B (statistique) : S'attaque au filigrane d'échantillonnage de jetons en réécrivant le texte. Uniquement le meilleur effort, et la reformulation dégrade votre prose.
• Fichiers : Supprime les propriétés C2PA, EXIF, XMP et les propriétés de document des fichiers PNG, JPEG, SVG, PDF, DOCX, ODT, HTML et Markdown.
• Le revers de la médaille : Une suppression déterministe propre est facile. Supprimer entièrement le filigrane statistique signifie réécrire le contenu, ce qui est précisément le compromis de qualité que vous cherchiez à éviter.

Ce qu'est réellement le filigrane de Claude

Commençons par ce que la plupart des gens comprennent mal. Le filigrane de texte de Claude n'est pas une série de caractères cachés entre vos mots. Il n'y a pas d'espace de largeur nulle à rechercher, pas de glyphe suspect à isoler, pas de crénage étrange à mesurer.

Au lieu de cela, la marque vit dans les mots eux-mêmes. Lorsque Claude génère du texte, à chaque étape, il choisit le jeton suivant parmi un ensemble de candidats statistiquement quasi équivalents. Le filigrane biaise ce choix selon une clé secrète. Sur un passage suffisamment long, ces choix orientés s'additionnent pour former une signature statistique détectable. Lisez une phrase et vous ne le sauriez jamais. Donnez quelques centaines de mots à un détecteur détenant la clé et le motif apparaît.

Cette conception a deux conséquences importantes pour la suppression :

• Il survit au copier-coller. Parce que le signal est intégré dans le choix des mots, et non dans les métadonnées, déplacer le texte d'une application à l'autre emporte le filigrane.
• Il est fragile lors de l'édition. Changez suffisamment de mots et vous brisez le motif statistique. Paraphrasez, traduisez ou mélangez la sortie de Claude avec votre propre écriture et le signal se dégrade.

Anthropic a déployé cela au niveau du modèle à partir du 2 août 2026, ce qui signifie qu'aucune surface de produit n'y échappe. Les applications Claude, l'API, Claude Code et l'accès tiers via AWS, Google Cloud et Microsoft Foundry émettent tous la marque. Anthropic a déclaré qu'une API de détection était à venir afin que les utilisateurs et les tiers puissent la vérifier. Si vous voulez des informations sur l'évolution de la gamme de modèles et des politiques d'accès d'Anthropic, nous avons couvert un épisode connexe dans Fable 5 est hors service pour tout le monde.

Une mise en garde qui mérite d'être répétée, car elle a un double sens : une détection positive signifie que le texte pourrait être passé par Claude, non pas que quelqu'un ait triché. La relecture, la traduction et le résumé laissent tous la même trace que le "ghost-writing".

Deux filigranes différents, deux solutions différentes

watermarks-remover divise le travail en couches car Claude (et d'autres fournisseurs) utilisent en fait deux systèmes de marquage sans rapport, et ils nécessitent un traitement complètement différent.

Couche A, suppression déterministe de caractères. Cela cible l'Unicode invisible : les espaces de largeur nulle, les espaces exotiques, les contrôles de texte bidirectionnel et les caractères de balisage Unicode. Certains outils et pipelines intègrent des données de provenance ou de suivi de cette manière. La couche A est en Python pur sans aucun modèle impliqué, elle est donc déterministe, testable et sans perte, elle supprime les éléments indésirables sans toucher à votre prose réelle. C'est la partie qui "fonctionne tout simplement".

Couche B, réécriture statistique. C'est celle qui vise le filigrane d'échantillonnage de jetons de Claude décrit ci-dessus. Parce que le signal est le choix des mots, la seule façon de le supprimer est de changer les mots : réécrire le texte phrase par phrase. Le projet précise qu'il s'agit d'un effort au mieux, et non d'une garantie, et que la reformulation aplatit le style et peut émousser la précision.

Fichiers, suppression de métadonnées. Séparément du texte, l'outil nettoie les manifestes C2PA, EXIF, XMP et les propriétés de document des fichiers PNG, JPEG, SVG, PDF, DOCX, ODT, HTML et Markdown. C2PA est la norme de la Coalition pour la Provenance et l'Authenticité du Contenu, un manifeste signé qui accompagne un fichier. Contrairement à la marque de texte statistique, C2PA est facilement supprimable : réenregistrez le fichier, convertissez le format ou faites une capture d'écran de l'image et le manifeste disparaît.

L'outil couvre les marques de Claude, Gemini/SynthID-Text, OpenAI et open source (type Kirchenbauer) avec la même architecture. Les filigranes d'image basés sur les pixels comme SynthID sont hors du champ d'application de la suppression, bien que le projet puisse optionnellement les évaluer via un checkout externe de reverse-SynthID.

Ce que le filigrane manque par lui-même

Avant d'exécuter quoi que ce soit, il est utile de savoir où la marque de Claude est déjà faible. Dans ces cas, la suppression est facile ou inutile :

• Passages courts. Quelques phrases ne contiennent pas suffisamment de choix de jetons pour accumuler une confiance statistique. Le détecteur a besoin de longueur.
• Code. Le code source a des choix de jetons beaucoup plus contraints que la prose, le signal est donc faible au départ. Ensuite, les formateurs, les linters et les outils de refactoring réécrivent l'entropie restante. Au moment où votre code est validé, il ne reste souvent plus rien à détecter. C'est pourquoi le filigrane sur la sortie de Claude Code est plus théorique que pratique.
• Texte fortement modifié. Si vous en avez déjà réécrit la moitié, vous avez peut-être brisé le motif sans le vouloir.
• C2PA sur les fichiers. Toute conversion de format ou réenregistrement l'élimine généralement.

Ce qui signifie que la portée honnête d'une tâche de "suppression" est généralement : la prose longue que vous avez gardée principalement telle que Claude l'a écrite, plus toutes les métadonnées de fichier.

Installation de watermarks-remover

Le projet est livré sous forme de compétence d'agent et d'un ensemble de scripts Python autonomes. Vous avez besoin de Python 3.10+ ; les scripts principaux n'utilisent que la bibliothèque standard, il n'y a donc rien à pip installer pour le travail de base sur le texte et les métadonnées.

git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover

Si vous souhaitez l'invoquer en tant que compétence d'agent (les exemples du dépôt utilisent un répertoire de compétences de style Grok), liez le dossier de compétences :

mkdir -p ~/.grok/skills
ln -sfn "$(pwd)/skills/remove-ai-marks" ~/.grok/skills/remove-ai-marks

Pour tous les autres, vous appellerez directement les scripts. Définissez un raccourci vers le répertoire des scripts afin que les commandes ci-dessous soient lisibles :

export SCRIPTS="$(pwd)/skills/remove-ai-marks/scripts"

Deux outils en ligne de commande optionnels étendent la fonctionnalité de nettoyage de fichiers si vous les avez installés :

• c2patool pour inspecter les manifestes C2PA en détail.
• exiftool pour nettoyer les métadonnées d'image résiduelles que la Couche A n'atteint pas.

Aucun n'est requis pour le flux de travail principal.

Inspecter un fichier avant de le modifier

Ne supprimez jamais à l'aveugle. Exécutez d'abord l'inspecteur pour savoir ce qui est réellement présent (caractères invisibles, blocs de métadonnées, manifestes de provenance) avant de décider quoi supprimer.

python3 "$SCRIPTS/inspect_file.py" draft.md

Cela signale ce que l'outil détecte sans rien modifier. C'est l'équivalent de lire la cible avant de l'écraser : si l'inspecteur montre que le fichier est déjà propre, vous avez terminé, et si quelque chose de surprenant apparaît, vous pouvez décider avant que des octets ne soient modifiés.

Supprimer les marques du texte

Pour le nettoyage déterministe de la Couche A, le passage fiable et sans perte, utilisez clean_text.py. L'option --stats affiche un résumé de ce qu'il a trouvé et supprimé :

python3 "$SCRIPTS/clean_text.py" draft.md -o draft.cleaned.md --stats

Cela supprime les caractères Unicode invisibles, les espaces exotiques, les contrôles bidirectionnels et les caractères de balisage. Il laisse votre prose visible intacte, il n'y a donc pas de coût en termes de qualité. Pour la plupart des gens préoccupés par les caractères de suivi cachés plutôt que par la marque statistique, cette seule commande est toute la tâche.

L'option -o écrit dans un nouveau fichier plutôt que d'écraser l'original ; conservez la source jusqu'à ce que vous ayez vérifié le résultat.

Suppression des métadonnées des fichiers

Pour les images et les documents, clean_file.py supprime les propriétés C2PA, EXIF, XMP et les propriétés de document intégrées :

python3 "$SCRIPTS/clean_file.py" photo.png -o photo.cleaned.png

Il gère les fichiers PNG, JPEG, SVG, PDF, DOCX, ODT, HTML et Markdown. Si vous avez installé exiftool et que vous souhaitez être minutieux sur les images, exécutez-le ensuite pour détecter toute balise résiduelle :

exiftool -all= photo.cleaned.png

N'oubliez pas que C2PA est le cas facile. Si votre seule préoccupation est le manifeste de provenance sur une image générée par Claude, un aller-retour de format l'enlève souvent par lui-même ; cet outil le fait simplement, proprement et de manière prévisible.

Le problème de la Couche B : réécrire pour vaincre les statistiques

C'est ici que l'honnêteté compte plus que la syntaxe de la commande.

Le filigrane de texte statistique ne peut être supprimé qu'en changeant les mots. L'outil expose cela via rewrite_text.py, qui prépare un passage de paraphrase :

python3 "$SCRIPTS/rewrite_text.py" draft.md --backend print-prompt --strength paraphrase

L'option --backend print-prompt émet l'invite de réécriture plutôt que d'appeler directement un modèle, vous gardez ainsi le contrôle de ce qui effectue la réécriture. --strength contrôle l'agressivité de la reformulation.

Mais lisez ce à quoi vous consentez réellement. Pour briser un signal réparti sur le choix des mots, vous devez réécrire phrase par phrase. Cela :

• Aplatit le style. La formulation spécifique qui portait le filigrane portait également la voix.
• Risque la précision. Reformuler un contenu technique peut discrètement en changer le sens.
• Nécessite un modèle performant pour bien faire, auquel point vous dépensez des jetons premium pour réécrire la sortie d'un modèle premium.

Le projet lui-même soulève la question évidente : si vous avez besoin d'un modèle puissant pour paraphraser le texte de Claude en quelque chose sans filigrane sans le détruire, est-ce une solution de contournement bon marché ou juste... plus de dépenses de modèle pour une copie dégradée ? Dans la plupart des cas légitimes, la réponse est que la Couche B n'en vaut pas la peine. Si le texte est court, ou s'il s'agit de code, la marque est probablement déjà trop faible pour avoir de l'importance. Si c'est de la prose longue qui vous tient à cœur, la réécriture endommage ce que vous essayiez de conserver.

Le conseil pragmatique : exécutez la Couche A et le nettoyeur de fichiers régulièrement ; n'utilisez la Couche B que lorsque vous avez une raison spécifique et légitime et que vous acceptez la perte de qualité.

Vérifier votre travail

La suppression n'est aussi bonne que votre capacité à la confirmer. Réexécutez l'inspecteur sur la sortie :

python3 "$SCRIPTS/inspect_file.py" draft.cleaned.md

Pour C2PA spécifiquement, c2patool vous donne une lecture définitive quant à la présence d'un manifeste :

c2patool photo.cleaned.png

Pour la marque de texte statistique, une vérification honnête est plus difficile, vous ne détenez pas la clé d'Anthropic. Lorsque l'API de détection promise par Anthropic sera disponible, ce sera le véritable test. Jusque-là, considérez les résultats de la Couche B comme non confirmés par définition. Si vous intégrez tout cela dans un pipeline répétable, cette étape de vérification est exactement le type de comportement qui mérite d'être testé comme n'importe quel autre flux de travail API ; les équipes qui automatisent les vérifications de contenu ou de modèle les intègrent souvent dans un outil de test d'API tel que Apidog afin qu'une vérification "la marque est-elle revenue" s'exécute de la même manière à chaque fois. Pour le modèle plus large de test des points d'extrémité basés sur des modèles, voir Comment tester les agents IA via une API.

Garde-fous légaux et éthiques

Le cadre défini par l'outil est le bon : il s'agit de confidentialité et d'hygiène sur le contenu que vous possédez. Cela couvre la suppression des caractères de suivi de vos propres brouillons, le nettoyage des métadonnées des images avant de les publier, ou la suppression d'une balise de provenance d'un écrit que vous considérez comme le vôtre.

Cela ne couvre pas :

• Fraude académique. Si votre institution exige une divulgation ou interdit les soumissions générées par l'IA, la suppression de la marque pour le cacher constitue une faute, quelle que soit la propreté de la sortie.
• Violations contractuelles. De nombreux accords clients et conditions de plateforme exigent la divulgation de l'IA. Le fait que le filigrane soit invisible ne rend pas l'obligation invisible.
• Fausse attribution. Faire passer un travail d'IA pour humain, ce qui trompe matériellement quelqu'un, est précisément le préjudice que les marques de provenance visent à prévenir.

Il y a aussi une raison pratique de ne pas trop se fier à tout cela : la détection a un double sens. Une détection de filigrane ne prouve pas la paternité, et son absence ne prouve pas l'origine humaine. Construire un flux de travail autour de la défaite d'un signal déjà ambigu demande souvent plus d'efforts que la situation ne le justifie. En cas de doute, divulguez. C'est moins cher que d'être pris à ne pas divulguer.

Si votre intérêt ici est moins de cacher l'utilisation de l'IA et plus d'exécuter des modèles selon vos propres conditions, avec votre propre politique de provenance et sans filigrane de fournisseur en premier lieu, l'auto-hébergement est la réponse la plus propre. Nous avons couvert les options actuelles dans Les meilleurs LLM locaux à exécuter en 2026.

FAQ

Puis-je simplement trouver et supprimer les caractères du filigrane dans le texte de Claude ? Non. Le filigrane de texte de Claude n'est pas composé de caractères cachés, c'est un biais statistique dans le choix des mots. Il n'y a rien à rechercher et à supprimer. (Certains autres outils injectent des caractères invisibles, et la Couche A de watermarks-remover les supprime. Mais c'est un mécanisme différent de la marque statistique de Claude.)

Le copier-coller de la sortie de Claude supprime-t-il le filigrane ? Non. La marque statistique est intégrée aux mots, elle survit donc au copier-coller entre les applications. Seule l'édition du texte réel le dégrade.

watermarks-remover est-il gratuit ? Oui. Il est open source sous licence MIT. Les scripts principaux de texte et de métadonnées nécessitent uniquement Python 3.10+ et la bibliothèque standard.

Fonctionnera-t-il sur la sortie de Claude Code ? Il fonctionnera, mais le filigrane est généralement déjà trop faible pour être pertinent dans le code. Le code source a des choix de jetons contraints, et les formateurs et les linters effacent la majeure partie du signal restant. Il y a généralement peu à supprimer.

Supprime-t-il les filigranes d'image comme SynthID ? Pas ceux basés sur les pixels. Il supprime proprement les métadonnées au niveau du fichier (C2PA, EXIF, XMP), et il peut optionnellement évaluer les marques SynthID via une configuration externe de reverse-SynthID, mais la suppression d'un filigrane intégré aux pixels est hors de portée.

Est-il légal de supprimer le filigrane ? Supprimer une marque de provenance d'un contenu que vous possédez n'est pas intrinsèquement illégal, mais cela peut violer les politiques académiques, les contrats ou les conditions de plateforme qui exigent la divulgation de l'IA. L'outil est destiné à la confidentialité de votre propre contenu, non à l'évasion de ces obligations.

Comment savoir si la marque statistique a réellement disparu ? Actuellement, vous ne pouvez pas vraiment le vérifier vous-même, car vous ne détenez pas la clé d'Anthropic. Anthropic a déclaré qu'une API de détection était à venir, ce qui sera le véritable test. La suppression des caractères de la Couche A et la suppression du C2PA, en revanche, sont faciles à vérifier avec l'inspecteur et c2patool.