Addestramento dell’IA e copyright: per il Governo USA è fair use, ma in Europa valgono regole diverse
Una presa di posizione importante, non una sentenza
Il dibattito sul diritto d’autore e sull’addestramento dei modelli di intelligenza artificiale ha compiuto un nuovo passo negli Stati Uniti. Il 1 settembre 2026 il Dipartimento di Giustizia ha depositato uno Statement of Interest nel contenzioso multidistrettuale In re OpenAI, Inc. Copyright Infringement Litigation, che riunisce controversie promosse dal New York Times, da altri editori e da autori contro OpenAI e Microsoft.
Il Governo non è parte del giudizio né ha adottato un provvedimento amministrativo: è intervenuto ai sensi del 28 U.S.C. § 517, che consente ai funzionari del Dipartimento di Giustizia di rappresentare l’interesse degli Stati Uniti nelle cause pendenti. Il documento esprime dunque una posizione istituzionale e propone al giudice una lettura del copyright federale, senza risolvere la controversia né vincolare il tribunale.
Il punto centrale della tesi governativa è netto: copiare testi protetti per alimentarli nel processo di training di un large language model costituirebbe un uso estremamente trasformativo e, valutato secondo il 17 U.S.C. § 107, dovrebbe rientrare nel fair use. Il DOJ collega questa interpretazione non solo all’innovazione e alla concorrenza, ma anche all’interesse nazionale statunitense nello sviluppo dell’IA e alle sue applicazioni di sicurezza.
Questa impostazione merita attenzione anche in Italia, non perché possa essere applicata direttamente, ma perché mette a fuoco tre domande destinate a ricorrere in ogni ordinamento: come sono state acquisite le opere? Che cosa accade durante il training? Che cosa rende poi accessibile il modello agli utenti? Confondere queste fasi può produrre risposte giuridiche troppo larghe, sia in favore dei titolari sia in favore dei provider.
Il fair use statunitense e i suoi quattro fattori
Negli Stati Uniti il fair use è disciplinato dal 17 U.S.C. § 107. La norma richiede di considerare almeno quattro fattori: finalità e carattere dell’uso, compresa la sua natura commerciale; natura dell’opera protetta; quantità e rilevanza della parte utilizzata; effetto dell’uso sul mercato potenziale o sul valore dell’opera.
Non è una licenza automatica per l’innovazione tecnologica. È una valutazione elastica, complessiva e legata al caso concreto. Lo stesso tipo di copia può essere lecito per una funzione e illecito per un’altra. È proprio su questa logica “uso per uso” che il DOJ costruisce il proprio argomento.
Secondo il deposito, la copia di un articolo nella fase di training avrebbe una finalità diversa da quella dell’articolo stesso. L’opera giornalistica informa o intrattiene il lettore attraverso una specifica espressione; il training usa il testo, insieme a enormi quantità di altri materiali, per apprendere relazioni statistiche, strutture linguistiche e schemi utili a produrre risposte a richieste future. In questa prospettiva, il modello non sarebbe una nuova edizione dell’articolo, ma uno strumento capace di svolgere molte funzioni.
Il carattere commerciale di OpenAI non viene negato. Il DOJ sostiene, però, che il profitto perda peso quando la trasformazione è particolarmente marcata. Anche la copia dell’intera opera non sarebbe decisiva: per addestrare il modello può essere tecnicamente necessario processare il testo completo, mentre ciò che conta, ai fini della sostituzione, è quanto dell’espressione protetta venga reso disponibile al pubblico.
Questa è la tesi governativa, non un principio già definitivamente stabilito per ogni sistema e ogni dataset. Lo stesso § 107 impone un esame fattuale. Dataset differenti, copie provenienti da fonti differenti, architetture differenti e misure differenti contro la memorizzazione possono condurre a esiti diversi.
Acquisizione, training e output: tre piani da non sovrapporre
Uno dei passaggi più solidi del documento consiste nella separazione delle fasi. Il DOJ individua anzitutto l’acquisizione o raccolta, durante la quale i contenuti vengono reperiti e conservati; poi il training, che comporta copie e trasformazioni dei dati nel processo di apprendimento; infine l’output, quando il sistema risponde all’utente.
La distinzione evita due scorciatoie. La prima consiste nel ritenere che, se il training è trasformativo, ogni operazione precedente o successiva sia automaticamente lecita. Non è così. L’acquisizione di una copia da una fonte abusiva può sollevare una questione autonoma. Il caso Bartz v. Anthropic, già al centro del dibattito statunitense, ha mostrato proprio quanto la provenienza delle biblioteche digitali possa incidere sul rischio giudiziario, indipendentemente dalla qualificazione del training.
La seconda scorciatoia consiste nell’attribuire al training ogni possibile effetto degli output. Il DOJ ammette che una risposta capace di ricostruire e diffondere una parte protetta di un’opera possa non essere trasformativa e possa richiedere un’analisi separata. Ma contesta che una quota anomala di output riproduttivi possa, senza ulteriori verifiche, rendere illecito l’intero processo di addestramento o giustificare rimedi indiscriminati sull’intero modello.
Per l’impresa che sviluppa o integra IA, questa separazione non è una sottigliezza teorica. Implica registri sulla provenienza dei dati, criteri per l’accesso, classificazione delle fonti, controlli sulle riserve dei diritti, test di memorizzazione, filtri contro richieste estrattive e procedure di reclamo. Se le fasi non sono documentate, diventa difficile dimostrare quale copia sia stata effettuata, per quale scopo e con quali salvaguardie.
Il vero scontro: che cosa significa danno al mercato
Il passaggio più controverso riguarda il quarto fattore del fair use. Il New York Times sostiene, in sintesi, che sistemi costruiti anche con il suo giornalismo possano offrire prodotti sostitutivi, ridurre il traffico verso le fonti e compromettere la sostenibilità economica dell’informazione professionale. Non si tratta quindi soltanto della riproduzione letterale di un articolo, ma della possibilità che un sistema generativo intercetti domanda, attenzione e ricavi.
Il DOJ propone una nozione più stretta di danno giuridicamente rilevante. Non basterebbe dimostrare che una nuova tecnologia sottrae vendite o compete con gli autori. Occorrerebbe una sostituzione collegata agli elementi espressivi protetti: un output che non riproduce in modo sostanzialmente simile l’opera non diventerebbe illecito soltanto perché appartiene allo stesso genere o soddisfa un bisogno informativo analogo.
Il documento critica espressamente la teoria della “market dilution” discussa in Kadrey v. Meta, secondo cui la capacità degli LLM di riversare sul mercato opere concorrenti potrebbe indebolire gli incentivi degli autori. Per il Governo, questa ricostruzione confonde training e output e finisce per proteggere non l’espressione, ma il mercato generale della produzione culturale.
L’obiezione degli editori resta, tuttavia, seria. Una lettura che riconosca solo la sostituzione quasi testuale potrebbe sottovalutare modelli economici fondati su accesso, abbonamento e traffico. Inoltre, distinguere in astratto le fasi non elimina il problema tecnico della memorizzazione: se un modello conserva e rende recuperabili porzioni significative di opere, il confine tra apprendimento statistico e riproduzione può diventare oggetto di prova peritale.
Lo stesso deposito governativo chiude ricordando che il fair use dipende dai fatti e dagli usi in causa. È questa precisazione che impedisce di trasformare il documento in uno slogan secondo cui “tutto il training è lecito”.
Analisi comparata con l’Europa
Il valore comparato della posizione statunitense è elevato. L’ordinamento dell’Unione non contiene una clausola generale equivalente al fair use. Le utilizzazioni di opere protette devono trovare fondamento nel consenso del titolare o in una specifica eccezione o limitazione prevista dal diritto europeo e nazionale.
Per l’analisi automatizzata di testi e dati, la direttiva (UE) 2019/790 distingue due regimi. L’art. 3 prevede un’eccezione per organismi di ricerca e istituti di tutela del patrimonio culturale che effettuano text and data mining per ricerca scientifica su opere cui hanno accesso lecito. L’art. 4 introduce un’eccezione più generale per riproduzioni ed estrazioni da opere legittimamente accessibili, ma la rende inapplicabile quando il titolare abbia espressamente riservato l’uso in modo appropriato; per i contenuti online la direttiva indica, in particolare, strumenti leggibili dalla macchina.
In Italia il recepimento è avvenuto con il d.lgs. n. 177/2021, che ha inserito gli artt. 70-ter e 70-quater nella legge n. 633/1941. Anche qui emergono due condizioni decisive: legittimità dell’accesso e gestione della riserva dei diritti. Non basta quindi domandarsi se il risultato del training sia trasformativo. Occorre verificare se le copie e le estrazioni rientrino effettivamente nell’eccezione invocata, se l’accesso alla fonte fosse lecito e se il titolare abbia esercitato un opt-out efficace.
Resta discusso come le nozioni di text and data mining, accesso lecito e riserva appropriata debbano applicarsi alle diverse tecniche di addestramento generativo. Non risulta una pronuncia della Corte di giustizia che abbia già risolto in modo generale la liceità del training degli LLM su opere protette. La prudenza, pertanto, impone di non presentare l’art. 4 della direttiva come un’autorizzazione universale.
L’AI Act non sostituisce il diritto d’autore
Al quadro si aggiunge l’art. 53 del regolamento (UE) 2024/1689. I provider di modelli di IA per finalità generali devono adottare una policy per rispettare il diritto d’autore e i diritti connessi dell’Unione, identificando e rispettando le riserve formulate ai sensi dell’art. 4, paragrafo 3, della direttiva 2019/790 anche mediante tecnologie allo stato dell’arte. Devono inoltre redigere e pubblicare una sintesi sufficientemente dettagliata dei contenuti utilizzati per il training, secondo il modello predisposto dall’AI Office.
Questi obblighi hanno una funzione di governance e trasparenza. Non rendono lecita una copia che sia illecita secondo il diritto d’autore e non attribuiscono all’AI Office il compito di decidere opera per opera tutte le controversie tra titolari e provider. Rendono però più difficile una compliance meramente dichiarativa: il provider deve mostrare di avere una politica, processi per gli opt-out e informazioni organizzate sulle fonti impiegate.
La Commissione chiarisce che la sintesi pubblica deve aiutare i titolari a valutare quali tipologie di contenuti siano state utilizzate e se le condizioni del TDM siano state rispettate. Per i modelli immessi sul mercato prima del 2 agosto 2025 è previsto il termine del 2 agosto 2027 per rendere disponibili le sintesi; per gli altri l’obbligo si applica già. Dal 2 agosto 2026 l’AI Office può avviare azioni di enforcement per l’inadempimento degli obblighi applicabili.
Le conseguenze pratiche per imprese, editori e professionisti
Per i provider e gli sviluppatori, la prima regola operativa è conservare la tracciabilità. La provenienza del dataset, le condizioni di accesso, la data della raccolta, gli opt-out rilevati e le licenze non possono essere ricostruiti soltanto quando arriva una contestazione. Devono essere elementi del fascicolo di conformità.
Per editori e autori, la sola affermazione che i propri contenuti siano stati “usati dall’IA” può non bastare. Occorre distinguere la presenza dell’opera nei dati, la riproduzione effettuata, l’efficacia della riserva, gli output sostanzialmente simili e il danno concretamente allegato. La trasparenza dell’art. 53 AI Act e i meccanismi di reclamo del Code of Practice possono contribuire all’accesso alle informazioni, ma non sostituiscono l’onere di impostare correttamente la domanda.
Per le imprese che acquistano servizi o modelli, il rischio va allocato contrattualmente. Sono rilevanti dichiarazioni sulla liceità delle fonti, obblighi di cooperazione in caso di reclamo, audit, conservazione dei log, aggiornamento delle policy, indennizzi e limiti di responsabilità. Una clausola generica con cui il fornitore promette “compliance al copyright” dice poco se non precisa standard, prove e rimedi.
Infine, chi usa output generativi per attività editoriali o professionali deve mantenere controlli sulla possibile riproduzione di contenuti protetti. Il fatto che il training possa essere difeso come fair use negli Stati Uniti, o come TDM in Europa, non rende automaticamente lecito pubblicare un output che riproduca parti sostanziali di un’opera.
Lo Statement of Interest del Dipartimento di Giustizia è una delle più nette prese di posizione istituzionali statunitensi a favore della liceità del training degli LLM. Il suo contributo più utile non è, però, lo slogan del fair use. È la richiesta di separare acquisizione, training e output e di collegare ogni pretesa al danno e all’uso realmente contestati.
La soluzione più solida, per il lettore italiano, è evitare ogni equivalenza automatica. Negli Stati Uniti la causa resta aperta e il giudice dovrà valutare fatti, opere e usi specifici. Nell’Unione europea valgono accesso lecito, eccezioni TDM, riserve dei titolari e obblighi di copyright compliance e trasparenza dell’AI Act. In entrambi i sistemi, la direzione pratica converge su un punto: il futuro del contenzioso non dipenderà soltanto da grandi formule sull’innovazione o sulla tutela degli autori, ma dalla qualità della prova sulla filiera dei dati.