Limites NSFW de Claude Fable 5 : Explication des filtres de sécurité Anthropic

À partir du 10 juin 2026, Anthropic a publié Claude Fable 5, son premier modèle de classe Mythos disponible au public. Le système offre des résultats de niveau frontier en codage, raisonnement et workflows agentiques tout en introduisant des classificateurs supplémentaires ciblant les domaines à haut risque tels que la cybersécurité et la biologie. Il partage les poids de base avec le Mythos 5 plus restreint mais ajoute de nouveaux mécanismes de refus qui peuvent rétrograder les prompts sensibles vers des modèles de repli plus faibles. Les retours des premiers testeurs montrent déjà que ces filtres se déclenchent sur des requêtes qui semblent tout à fait ordinaires. Ce mouvement marque un choix délibéré d'élargir l'accès sans relâcher les limites de sécurité principales.

Les politiques d'utilisation d'Anthropic restent inchangées par rapport aux versions précédentes et interdisent explicitement le contenu sexuel, la violence graphique et autres catégories interdites. Le nouveau modèle ajoute des classificateurs qui surveillent ces sujets à plusieurs étapes. Lorsqu'un prompt déclenche le système, le modèle refuse soit directement, soit redirige silencieusement vers une variante moins capable. Les premiers rapports indiquent que les filtres interrompent parfois même des requêtes non explicites qui partagent du vocabulaire avec des domaines restreints. Cette superposition conservatrice reflète la position constante d'Anthropic selon laquelle les capacités frontier nécessitent des contrôles plus stricts plutôt qu'une latitude créative plus large.

Les prompts tentant la génération NSFW avec Claude Fable, les descriptions de nus ou les scènes adultes explicites déclenchent des refus dans la grande majorité des cas. Les classificateurs en couches captent les demandes directes et de nombreuses formulations indirectes. Les tentatives de jailbreaks produisent soit un refus poli, soit une réponse dégradée qui évite toujours le matériel demandé. Aucun benchmark public n'existe encore pour le contenu adulte car Anthropic n'a pas publié de données de test ciblées. Les créateurs cherchant des résultats de tests NSFW pour Claude Fable 5 ou les limites non censurées de Claude Fable trouvent donc des blocages constants plutôt que des contournements préservant la qualité de sortie.

Les entreprises développant les modèles les plus puissants font face à des pressions réglementaires, réputationnelles et légales qui rendent les sorties non restreintes risquées. Les filtres stricts réduisent le potentiel de mésusage même lorsqu'ils frustrent un travail créatif légitime. Des sorties comme Claude Fable 5 soulignent comment même les modèles les plus avancés appliquent des limites de contenu strictes, stimulant la demande pour des outils qui suppriment ces restrictions pour le travail créatif adulte. Le même schéma apparaît dans d'autres systèmes frontier, y compris les modèles vidéo de Google détaillés dans Gemini omni nsfw : Pourquoi le modèle vidéo IA de Google bloque le contenu explicite. Le résultat est un paysage fragmenté où les créateurs doivent naviguer entre différents garde-fous selon le lab qui publie la dernière version.