Le 5 octobre 2026, OpenAI a annoncé le déploiement progressif d’un filigrane invisible dans certains textes générés par ChatGPT et Codex dans l’Union européenne. Baptisé textGrain, ce signal statistique est intégré aux choix de mots du modèle. Les clients de l’API peuvent aussi choisir de l’activer pour certains modèles, tandis que le détecteur de texte reste réservé, au lancement, à des chercheurs et organismes spécialisés approuvés. Pour les PME qui publient des contenus assistés par IA, l’annonce pose une question pratique : que faut-il consigner, et que peut-on réellement conclure d’un signal de provenance ?
La réponse tient en une distinction essentielle : un filigrane peut contribuer à identifier un signal associé à un système d’OpenAI, mais il ne constitue ni une preuve complète de l’origine d’un texte, ni une vérification de ses affirmations. Une équipe éditoriale a donc intérêt à mettre en place une procédure simple qui documente l’usage de l’IA, conserve les sources et organise la relecture humaine, sans transformer un détecteur en arbitre de vérité ou d’auteur.
Ce qu’OpenAI annonce, et ce que cela change
Un signal statistique, pas une signature nominative
Selon OpenAI, textGrain ajoute un signal invisible à la manière dont le modèle choisit ses mots. Un outil de détection peut ensuite rechercher ce signal dans un passage. L’entreprise précise que le déploiement pour les textes éligibles de ChatGPT et Codex dans l’UE doit se faire progressivement. Côté API, l’activation est facultative et concerne certains modèles. Il ne faut donc pas supposer que tout texte généré par OpenAI, dans tous les contextes, porte déjà un filigrane détectable.
OpenAI indique également que son détecteur de texte n’est pas ouvert au public au lancement : l’accès est soumis à une approbation pour des chercheurs et organismes spécialisés. Les équipes éditoriales ne doivent donc pas fonder leur procédure interne sur l’idée qu’elles pourront systématiquement soumettre un texte à un détecteur officiel. L’annonce décrit une approche de provenance en évolution, pas un outil universel de contrôle éditorial.
La publication d’OpenAI présente les caractéristiques et limites de cette technologie dans son article sur la provenance des textes dans l’UE. Elle doit être lue comme la description de l’approche du fournisseur, et non comme une certification indépendante de chaque résultat de détection.
Un contexte réglementaire à traiter avec précision
Le règlement européen sur l’intelligence artificielle prévoit des obligations de transparence à l’article 50. Il distingue notamment les obligations des fournisseurs de systèmes qui génèrent du contenu synthétique et celles qui concernent les déployeurs. Pour certains textes publiés dans le but d’informer le public sur des questions d’intérêt public, le règlement prévoit une information sur leur génération ou manipulation par l’IA. Il prévoit une exception lorsque le contenu a fait l’objet d’un examen humain ou d’un contrôle éditorial et qu’une personne physique ou morale assume la responsabilité éditoriale de la publication.
Cette règle ne signifie pas que chaque paragraphe produit avec une IA doit automatiquement porter une mention visible, ni que la présence d’un filigrane remplace toute obligation de transparence. Le contexte de publication, la nature du contenu et les mesures prises par l’éditeur comptent. Les PME devraient consulter le texte applicable et, si nécessaire, demander un avis juridique adapté à leur situation plutôt que de déduire leurs obligations du seul fonctionnement du filigrane. Le texte officiel est consultable sur EUR-Lex, règlement européen sur l’IA, article 50.
Ce qu’un filigrane peut — et ne peut pas — prouver
Un indice de provenance limité
Si un détecteur fiable repère un filigrane, le résultat peut indiquer qu’un système d’OpenAI a généré ou traité une partie du passage. C’est un indice utile dans une démarche de provenance, mais sa portée reste limitée. Il ne permet pas, à lui seul, de reconstituer l’historique complet du texte ni de savoir dans quelles conditions il a été produit.
- Il ne mesure pas la contribution humaine. Le signal ne dit pas si la personne a rédigé un plan, fourni des notes, réécrit la majorité du texte ou simplement corrigé quelques phrases.
- Il n’identifie pas l’utilisateur. Il ne révèle ni la personne, ni le compte, ni l’organisation, ni les consignes ou la conversation à l’origine du contenu.
- Il ne détermine pas la propriété ou la responsabilité. Il ne tranche pas qui détient les droits, qui est responsable de la publication ou si une déclaration au lectorat est requise.
- Il ne vérifie pas les faits. Un passage filigrané peut être juste, faux, incomplet ou trompeur. Le signal porte sur la provenance, pas sur la qualité documentaire.
Une détection négative ne prouve pas une rédaction humaine
L’absence de signal détecté ne permet pas de conclure qu’un texte a été écrit sans IA. OpenAI cite plusieurs causes possibles : passage trop court, modifications importantes, traduction, modèle non pris en charge, génération antérieure au filigranage ou recours à un autre fournisseur. À l’inverse, un résultat positif ne décrit pas précisément le niveau de contribution du modèle. Les textes courts et les textes dont les choix de formulation sont très contraints peuvent également être plus difficiles à analyser, et des reformulations peuvent affaiblir le signal.
La conséquence éditoriale est simple : évitez les conclusions binaires telles que « le détecteur dit IA, donc l’auteur n’a rien écrit » ou « aucun filigrane, donc le texte est humain ». Un détecteur ne remplace ni une déclaration de l’auteur, ni l’historique de rédaction, ni la vérification du contenu. OpenAI souligne elle-même que les erreurs de détection et les limites liées aux modifications empêchent d’interpréter le résultat comme une preuve exhaustive.
Une procédure éditoriale simple en six étapes
Documenter l’usage sans alourdir le travail
Pour la plupart des PME, un registre léger suffit à rendre les pratiques compréhensibles et reproductibles. Il peut s’agir d’un tableau partagé ou d’un champ dans votre outil de gestion de contenu. L’objectif n’est pas de conserver tous les prompts à l’infini, mais de garder une trace proportionnée de la manière dont l’IA a participé à la production.
- Qualifier le contenu avant de commencer. Notez le type de publication, son public et son enjeu : article de conseil, page de service, communiqué, contenu réglementaire ou information liée à la santé ou aux finances. Plus les conséquences d’une erreur sont importantes, plus la vérification doit être exigeante.
- Consigner l’usage de l’IA. Indiquez l’outil ou le fournisseur, la date de travail, les tâches confiées à l’IA et les parties concernées : recherche d’idées, plan, reformulation, traduction ou premier jet. Une description synthétique est généralement plus utile qu’une archive de chaque échange.
- Conserver les éléments de référence. Ajoutez les documents internes, pages officielles, études ou entretiens qui soutiennent les affirmations importantes. Notez la date de consultation lorsque l’information peut évoluer. L’IA ne doit pas être considérée comme la source primaire d’un fait simplement parce qu’elle l’a formulé avec assurance.
- Faire vérifier les faits par une personne responsable. Contrôlez les chiffres, noms, dates, liens, citations et affirmations commerciales auprès de leurs sources. Pour une information sensible ou récente, faites valider le passage par la personne compétente dans l’entreprise.
- Assumer la validation éditoriale. Un responsable identifié relit le texte final, vérifie qu’il correspond au contexte et décide si une mention destinée au public est nécessaire. Documentez la validation, par exemple avec un nom, un statut et une date d’approbation.
- Garder une trace des changements majeurs. Si un texte est traduit, profondément réécrit ou adapté à un autre canal, mettez à jour la fiche. Ne présentez pas un résultat de détection obtenu sur une version comme une preuve certaine concernant toutes ses versions ultérieures.
Un modèle de fiche prêt à adapter
Une fiche de suivi peut tenir en quelques champs : titre et URL du contenu, date de préparation, outil utilisé, nature de l’assistance, sources consultées, responsable de la vérification factuelle, responsable de la validation finale, décision concernant une éventuelle mention publique et date de publication. Ajoutez un champ « limites ou points à revérifier » pour signaler les informations susceptibles d’évoluer.
Définissez aussi qui peut utiliser quels outils et dans quelles conditions. Par exemple, les collaborateurs peuvent employer l’IA pour structurer un brouillon, mais doivent citer les sources réelles des affirmations et ne pas y saisir des données confidentielles sans autorisation. Les règles doivent être assez concrètes pour guider le travail quotidien, sans prétendre garantir qu’aucune erreur ne sera publiée.
Mettre le registre en pratique dans une PME
Adapter le contrôle au risque
Un billet présentant une méthode interne ne nécessite pas forcément le même circuit qu’une page expliquant une obligation légale ou une promesse de performance. Classez vos contenus selon leur impact potentiel : faible, modéré ou élevé. Pour un contenu à faible enjeu, une relecture par l’auteur et un contrôle des sources principales peuvent suffire. Pour un contenu à enjeu élevé, prévoyez une validation par un expert métier et, lorsque cela s’impose, par un conseiller juridique ou un professionnel qualifié.
Cette approche évite deux excès : publier sans contrôle parce qu’un outil semble avoir confirmé l’origine du texte, ou bloquer toute utilisation de l’IA au motif que sa contribution ne serait pas toujours détectable. La bonne question est plutôt : qui garantit la qualité de cette publication, sur quelles sources s’appuie-t-elle et quelles vérifications ont été effectuées ?
Pour intégrer ces pratiques à votre présence en ligne, Enovatic accompagne les entreprises dans la création de sites web professionnels et propose des formations pour développer les compétences numériques de leurs équipes. Une gouvernance éditoriale claire est plus efficace lorsqu’elle s’intègre aux outils et aux habitudes déjà utilisés.
Encadré pratique — la règle des trois questions avant publication :
- Origine : savons-nous quelles tâches ont été confiées à l’IA et qui a révisé le texte ?
- Exactitude : les affirmations importantes sont-elles soutenues par des sources consultables et contrôlées ?
- Responsabilité : une personne identifiée assume-t-elle la validation finale et la décision de transparence ?
Si vous ne pouvez pas répondre à l’une de ces questions, complétez la fiche ou différez la publication. La détection d’un filigrane peut apporter un indice de provenance, mais elle ne comble pas les lacunes de la procédure.
Conclusion : traiter le filigrane comme un indice, pas comme un verdict
L’annonce du 5 octobre 2026 rend plus visible une évolution importante : la provenance des contenus générés par IA devient une dimension à intégrer aux pratiques éditoriales. Mais le filigrane textuel d’OpenAI ne prouve ni l’identité de l’utilisateur, ni l’étendue de la contribution humaine, ni l’exactitude d’un passage. Et l’absence de signal ne démontre pas qu’un texte est entièrement humain.
Pour une PME, la réponse la plus solide consiste à garder une trace proportionnée de l’assistance utilisée, des sources consultées, des vérifications effectuées et de la personne qui valide la publication. Cette méthode aide à répondre aux exigences de transparence pertinentes sans confondre provenance technique et contrôle des faits. Pour faire évoluer votre organisation numérique ou vos pratiques de publication, contactez Enovatic et définissons ensemble une démarche adaptée à vos outils et à vos contenus.
Questions fréquentes
Le filigrane signifie-t-il que tout le texte a été écrit par ChatGPT ?
Non. Un signal peut indiquer qu’un système d’OpenAI a généré ou traité une partie du passage, mais il ne mesure pas la contribution humaine et ne précise pas quelle portion a été rédigée par le modèle.
Un résultat négatif prouve-t-il que le texte est humain ?
Non. Le signal peut être absent ou indétectable en raison de la longueur, de modifications, d’une traduction, du modèle utilisé ou de la date de génération. Un résultat négatif ne permet donc pas de certifier une rédaction humaine.
Le watermark vérifie-t-il la véracité des informations ?
Non. Il s’agit d’un signal de provenance, pas d’un contrôle des faits. Les dates, chiffres, citations et affirmations doivent être vérifiés auprès de sources fiables par une personne responsable.
Faut-il révéler au public chaque utilisation de l’IA ?
Pas nécessairement dans tous les cas. Le règlement européen prévoit des obligations de transparence qui dépendent notamment du type de contenu et de son objectif, avec une disposition particulière pour certains textes d’intérêt public et une exception liée à l’examen humain ou au contrôle éditorial sous responsabilité éditoriale. Évaluez chaque cas au regard du texte applicable et demandez un avis spécialisé si nécessaire.
Les PME peuvent-elles utiliser le détecteur de texte d’OpenAI ?
Selon l’annonce du 5 octobre 2026, l’accès initial au détecteur de texte est limité aux chercheurs et organismes spécialisés approuvés. Une PME ne devrait donc pas présumer qu’elle peut l’utiliser comme outil public de vérification.
Sources
- openai.com — https://openai.com/index/eu-text-provenance/
- eur-lex.europa.eu — https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX%3A02024R1689-20260727
- help.openai.com — https://help.openai.com/en/articles/8912793-provenance-signals-in-openai-generated-content
Besoin d’un accompagnement sur mesure ?
Nos experts en design, développement web et référencement accompagnent les entreprises belges au quotidien. Découvrez nos services de création de site web, nos formations professionnelles et nos réalisations.
Contactez-nous pour un devis gratuit.
Photo d'illustration : Iyus sugiharto sur Unsplash.
