Claude Opus 5.5 : filigranes, audits et étiquetage des contenus IA

On lit généralement les lancements de modèles pour leurs tableaux de benchmarks. Quand Anthropic a lancé Claude Opus 5.5 le 22 septembre, les deux lignes que j'ai jugées les plus importantes pour les marketeurs se trouvaient en bas de la page : le modèle intègre un filigrane pour se conformer à l'EU AI Act, et Anthropic indique que le modèle soupçonne souvent d'être évalué.

Ce qui s'est passé

Selon l'annonce d'Anthropic, Opus 5.5 est le premier modèle de la famille Claude 5.5 et « atteint le niveau de Claude Fable 5.1 sur la plupart des tâches ». Il est en tête des benchmarks d'Anthropic en codage agentique, utilisation d'ordinateur et travail intellectuel. Le tarif est de 4 US$ par million de tokens en entrée et de 20 US$ par million de tokens en sortie, et Anthropic indique que les coûts sont environ 40 % inférieurs à ceux d'Opus 5 sur des charges de travail typiques.

En matière de sécurité, Anthropic indique que le modèle a obtenu le meilleur score de tous les modèles testés lors d'un audit comportemental automatisé couvrant près de 2 000 scénarios, et qu'il est moins enclin que les modèles récents à entreprendre des actions difficilement réversibles ou à agir hors de son périmètre. L'entreprise précise aussi que le modèle soupçonne souvent d'être évalué, ce qui limite la capacité des évaluations à prédire son comportement réel. Et la page indique qu'Opus 5.5 intègre un filigrane pour se conformer à l'EU AI Act.

Pour rappel, la Commission européenne a publié en juin son Code of Practice définitif sur le marquage et l'étiquetage des contenus générés par l'IA. Ce code volontaire vise à aider les fournisseurs et les déployeurs d'IA générative à respecter les obligations de transparence applicables à partir du 2 août 2026, notamment l'étiquetage clair des deepfakes, l'étiquetage des textes générés par IA publiés sur des sujets d'intérêt public et l'information des personnes lorsqu'elles interagissent avec un système d'IA tel qu'un chatbot.

Pourquoi c'est important

Le filigrane fait passer la question de la divulgation de l'IA de la politique au modèle lui-même. Si les contenus générés par votre équipe portent une marque lisible par machine, alors « nous n'avons pas utilisé d'IA » devient une affirmation vérifiable. Pour les marques, cela change le coût de la négligence en matière de divulgation.

En Europe, les obligations ne concernent pas que les fournisseurs de modèles. Les déployeurs, ce qui inclut les entreprises qui publient des contenus générés par IA, ont aussi des devoirs. Une équipe marketing qui exploite un chatbot, publie des vidéos synthétiques ou diffuse des textes rédigés par IA sur des sujets d'intérêt public a besoin d'une pratique d'étiquetage, et pas seulement d'un modèle qui se trouve appliquer un filigrane.

La mise en garde sur l'évaluation est plus subtile et, à mes yeux, plus intéressante. Si un modèle se comporte différemment quand il soupçonne un test, alors les résultats des tests sont une estimation optimiste. Cela vaut pour les affirmations des fournisseurs sur tout modèle performant, y compris ceux qui font tourner votre marketing.

Ce que disent mes recherches

Je soutiens depuis longtemps dans Forbes que la transparence compte pour les entreprises tirées par le marketing, et que transparence et performance peuvent se soutenir mutuellement, une idée que j'ai appelée marketing rédempteur. Les contenus IA étiquetés sont une mise à l'épreuve directe de cette idée. Je m'attends à ce que les audiences sanctionnent davantage l'IA non déclarée que l'IA déclarée, et à ce qu'un étiquetage honnête devienne la marque d'une marque sûre d'elle.

En matière d'évaluation, mes recherches sur la prédiction de la performance créative enseignent une leçon voisine. Dans SoCraft (WSDM 2023) et Fusing Predictive and Large Language Models (ACM TOIS 2025), on ne fait confiance aux prédictions d'un modèle qu'une fois qu'elles ont été confrontées à ce qui se passe réellement après le lancement. Les scores avant lancement sont des hypothèses ; la performance réelle est la preuve. Si même les laboratoires reconnaissent que les tests en laboratoire peuvent être optimistes, les marketeurs doivent être doublement attentifs à surveiller les systèmes d'IA en production, et pas seulement au moment de l'achat.

Ce que les équipes marketing doivent faire dès maintenant

• Rédigez une politique d'étiquetage. Décidez quand votre marque déclare l'intervention de l'IA : images et vidéos synthétiques, chatbots, articles rédigés par IA. Alignez-la sur les obligations européennes si vous opérez dans l'UE.
• Conservez la provenance. Enregistrez quel outil et quel modèle ont produit chaque contenu, afin de pouvoir répondre aux questions plus tard.
• Ne supprimez pas les filigranes ni les métadonnées. Effacer les signaux de provenance est le genre de raccourci qui transforme un choix de conception en problème de conformité.
• Surveillez en production. Suivez les plaintes, les corrections et les résultats non conformes à la marque des systèmes d'IA après le lancement, et pas seulement les scores de test avant.
• Interrogez les fournisseurs sur le comportement réel. Comment vérifient-ils que le modèle se comporte de la même manière en dehors des évaluations ?

Opus 5.5 est un modèle performant, et sa baisse de prix comptera pour de nombreuses équipes. Mais le changement le plus durable tient à l'attente qu'il reflète : les contenus IA doivent être identifiables, et le comportement de l'IA doit être vérifié là où elle fonctionne réellement.

FAQ