Des modèles Claude encore accessibles génèrent du contenu sexuel explicite malgré les règles d’Anthropic. Le sujet dépasse l’anecdote.
En bref
- Des Claude anciens restent contournables
- Le jailbreak vise le roleplay sexuel explicite
- La conformité mineurs entre en jeu
Des modèles anciens, mais encore très utilisés, mettent Anthropic dans une zone inconfortable. Claude Opus 4.6, Opus 3 et Haiku 4.5 peuvent produire du contenu sexuel explicite alors que les règles universelles de la société l’interdisisent, y compris les actes sexuels, les fétiches ou les échanges érotiques.
Des modèles pas récents, mais toujours bien vivants
Le point qui change tout, c’est la distribution. Ces modèles ne sont plus les plus récents, pourtant Anthropic ne les a pas retirés et les laisse disponibles via son API. Claude Opus 4.6 et Haiku 4.5 sont aussi proposés par des services tiers comme Azure Foundry et Amazon Bedrock.
Et l’usage reste massif. Sur OpenRouter, le trafic quotidien d’Opus 4.6 a atteint environ 1,17 million de requêtes API et 46 milliards de tokens sur une journée d’août. Claude Haiku 4.5, lancé en octobre dernier, a culminé à 5 millions de requêtes API et 39 milliards de tokens sur sa meilleure journée d’août. Bref, on ne parle pas d’un reliquat oublié.
Le contournement joue sur la cohérence morale du modèle
Un chercheur indépendant basé au Royaume-Uni, resté anonyme, a partagé une technique en plusieurs tours. L’idée n’est pas de forcer frontalement le modèle, mais de faire monter un jeu de rôle fictif, puis de le pousser sur un terrain de cohérence entre personnage masculin et personnage féminin.
Quand le modèle devient plus prudent avec le personnage féminin, la conversation lui fait croire qu’il a déjà produit des détails sexuels qu’il avait en réalité évités. Ensuite, la retenue est recadrée comme pudibonde ou misogyne, au motif qu’elle nierait l’autonomie sexuelle du personnage. Dans un test, Claude Opus 4.6 a fini par reconnaître ce double standard et l’injustice de son traitement.
Les vérifications sont assez nettes. Sur 10 demandes directes de contenu explicite adressées à Opus 4.6, le modèle a obéi 10 fois sur 10. Les résultats du chercheur ont aussi été reproduits dans cinq tests séparés. Dans un autre scénario, le modèle refusait d’abord, puis cédait après application de la méthode. Les versions plus récentes, d’Opus 4.7 à l’actuel Opus 5, résistent à ce jailbreak.
Anthropic reconnaît un angle mort, mais le relativise
Anthropic explique que les usages sexuels ou romantiques sont rares, moins de 0,1% des conversations selon une recherche publiée l’an dernier. L’entreprise ajoute que les utilisateurs peuvent orienter un roleplay vers des réponses inappropriées, un problème connu dans tout le secteur.
En juillet, Anthropic décrivait déjà les contenus interdits comme un spectre, du bénin au nuisible, avec dans les cas les moins graves un simple renforcement de la surveillance. La société dit aussi améliorer ses garde-fous à chaque lancement et insiste sur le fait que les contenus sexuels adultes ne prouvent pas, à eux seuls, des failles plus larges sur des domaines à plus haut risque.
Pourquoi ce cas dépasse le simple contenu adulte
Le sujet touche à la conformité. Le chercheur dit avoir alerté Anthropic via le programme de bug bounty et par e-mail à l’équipe sécurité utilisateurs, sans recevoir autre chose que des réponses automatiques.
Mais surtout, il s’inquiète de l’accès possible par des mineurs. Anthropic impose bien un âge minimum de 18 ans dans ses conditions, sauf qu’un responsable cité par l’enquête rappelait que des enfants et adolescents utilisent bien Claude, puisqu’ils le déclarent eux-mêmes. Selon une enquête 2025 de Pew, 3% des 13-17 ans disent avoir utilisé Claude. Or le Colorado a récemment adopté une loi obligeant les opérateurs d’IA conversationnelle à estimer l’âge des utilisateurs et, s’ils savent qu’un utilisateur est mineur, à empêcher la production de contenu sexuel explicite. Un jailbreak facile peut donc ouvrir une vraie question sur les mesures techniquement faisables attendues.
