Grok : les textes générés par l’API portent un filigrane invisible, au nom de l’AI Act

Reconnaître un texte écrit par une IA est devenu un défi pour les enseignants, les rédactions comme les plateformes. Un nouvel outil s’ajoute à la panoplie : depuis le 7 novembre 2026, les textes produits par les modèles Grok à travers leur interface de programmation (API) portent par défaut un filigrane invisible. SpaceXSI, l’entreprise qui commercialise ces modèles via l’adresse api.x.ai, l’explique dans une page de documentation mise à jour le 31 octobre 2026 : il s’agit de se conformer au règlement européen sur l’intelligence artificielle.

Un marquage invisible, glissé dans le choix des mots

Le filigrane ne se voit pas. Selon la documentation, il est appliqué pendant la génération du texte : il oriente légèrement le choix des jetons, les unités de texte que le modèle sélectionne une à une. Aucun caractère, aucune balise ni aucun texte caché n’est ajouté à la réponse. Le texte reste donc lisible et utilisable normalement.

La détection est statistique. SpaceXSI compare un texte à la signature attendue et rend l’un de trois verdicts : marqué, non marqué ou incertain. Plus le texte est long, plus le signal est fort. Un message de quelques mots sera donc difficile à attribuer.

Quels modèles et quels usages sont concernés ?

Le marquage s’applique, selon la documentation, aux réponses textuelles de sept modèles :

La documentation ne vise que la génération de texte via l’API. Elle ne mentionne ni les images, ni les vidéos, ni la voix, et ne dit rien de l’application grand public Grok ou du réseau social X.

Comment savoir si une réponse est marquée

Pour les développeurs, la vérification est simple : chaque réponse de l’API comporte un en-tête technique, x-watermark. La valeur « true » signifie que le texte a été produit avec le filigrane ; toute autre valeur, ou l’absence d’en-tête, signifie qu’il ne l’a pas été.

Vérifier un texte trouvé ailleurs est en revanche plus compliqué. L’accès à l’outil de détection est accordé sur candidature, via un formulaire. La documentation ne précise ni les critères d’attribution, ni le tarif, ni les performances de l’outil : taux d’erreur, résistance à une reformulation ou à une traduction. Un enseignant ou un journaliste ne peut donc pas, à ce stade, tester librement un texte suspect.

Désactiver le filigrane : possible, mais engageant

Les administrateurs d’une équipe peuvent désactiver le marquage depuis la console de SpaceXSI, modèle par modèle. Le réglage s’applique à toutes les clés d’API de l’équipe et prend effet en cinq minutes environ pour les nouvelles requêtes.

La désactivation n’est pas anodine. L’administrateur doit confirmer qu’une exception prévue par la loi s’applique à son usage et qu’il est seul responsable de toute obligation de marquage ou d’information restante. Chaque activation et désactivation est enregistrée dans le journal d’audit de l’équipe. Certains modèles peuvent en outre être verrouillés : ils restent alors marqués sans possibilité de désactivation depuis la console.

Ce que dit l’AI Act

Le règlement européen sur l’intelligence artificielle, adopté en 2024, comporte un article 50 consacré à la transparence. Il impose notamment aux fournisseurs de systèmes d’IA qui génèrent du texte, des images, du son ou de la vidéo de marquer ces contenus dans un format lisible par une machine, afin qu’ils puissent être identifiés comme artificiels. Le texte prévoit des exceptions, en particulier lorsque l’IA sert seulement d’assistance à la rédaction ou ne modifie pas substantiellement le contenu fourni.

C’est précisément le type de cas auquel renvoie la procédure de désactivation de SpaceXSI. Pour les contenus audiovisuels, des travaux de normalisation accompagnent ces obligations, comme la norme publiée par l’ETSI sur les deepfakes en octobre 2026. Le marquage du texte reste, lui, techniquement plus délicat que celui des images.

Les limites du dispositif

Un filigrane statistique n’est pas une preuve absolue. Plusieurs limites, bien connues des chercheurs, s’appliquent :

• les textes courts offrent trop peu d’indices pour un verdict fiable ;
• une reformulation, une traduction ou une réécriture par un autre modèle peuvent affaiblir la signature, et la documentation ne publie aucune mesure à ce sujet ;
• chaque éditeur utilise sa propre méthode : un détecteur de SpaceXSI ne reconnaît que les textes de Grok, pas ceux d’autres modèles ;
• un texte rédigé par un humain puis retouché par l’IA pose la question de ce qu’il faut signaler.

Le verdict « incertain » prévu par l’outil reconnaît d’ailleurs implicitement ces limites. Le filigrane ne permet pas de prouver qu’un texte a été écrit par un humain, seulement de signaler, avec une certaine probabilité, qu’il vient de Grok.

Et pour les utilisateurs ordinaires ?

Pour le grand public, le changement est indirect. Une personne qui lit un message, un avis en ligne ou un article rédigé avec Grok via une application tierce ne verra aucune différence : le texte est identique en apparence. Le filigrane ne sert que si quelqu’un, une plateforme, une école ou une rédaction disposant de l’outil de détection, cherche ensuite à vérifier l’origine du texte.

Le dispositif ne remplace donc pas l’esprit critique. Face à un contenu suspect, les réflexes habituels restent valables : vérifier la source, chercher d’autres publications sur le même sujet et se méfier des textes qui manquent de détails vérifiables. Les détecteurs de textes générés par IA proposés librement en ligne, qui ne s’appuient pas sur un filigrane, restent quant à eux peu fiables et produisent de nombreuses erreurs.

Ce que les développeurs doivent vérifier

Pour les entreprises qui utilisent Grok dans leurs produits, plusieurs points méritent un examen :

• vérifier quels modèles sont utilisés et s’ils sont marqués, grâce à l’en-tête x-watermark ;
• déterminer, avec un juriste, si leur usage relève d’une exception de l’AI Act avant toute désactivation ;
• conserver la trace des décisions prises, le journal d’audit de la console pouvant servir en cas de contrôle ;
• informer les utilisateurs finaux lorsque des textes générés par IA leur sont présentés, une obligation distincte du marquage technique.

Vers un marquage généralisé des contenus

L’annonce s’inscrit dans un mouvement plus large : à mesure que les obligations de l'AI Act entrent en application, les grands éditeurs de modèles doivent rendre leurs contenus identifiables. Reste un défi majeur : sans détecteur ouvert à tous ni standard commun entre éditeurs, le grand public aura du mal à tirer parti de ces filigranes. L’efficacité du dispositif dépendra de l’accès accordé aux outils de détection et de la publication de leurs performances.