Wikimedia sfida OpenAI: via libera al training, licenze obbligatorie per RAG

📌 In Sintesi

• Wikimedia Foundation interviene nel contenzioso sul copyright che coinvolge OpenAI e Microsoft, chiedendo di distinguere l’addestramento dei modelli dalla riproduzione dei contenuti.
• La fondazione sostiene il fair use per il training che produce modelli realmente differenti dalle opere originali, ma chiede licenze e attribuzione per RAG e sistemi equivalenti di grounding.
• Wikipedia difende anche la sostenibilità dello scraping: l’utilizzo automatizzato deve rispettare limiti delle API e condizioni di accesso, indipendentemente dal dibattito sul copyright.

La Wikimedia Foundation entra nella controversia giudiziaria che oppone The New York Times a OpenAI e Microsoft proponendo una distinzione destinata a pesare nel confronto tra editoria e intelligenza artificiale: addestrare un modello su opere protette non equivale a recuperarle e riproporle agli utenti attraverso un chatbot. In una memoria presentata il 30 ottobre 2026 al tribunale federale del distretto meridionale di New York, la fondazione chiede un’interpretazione del fair use capace di tutelare lo sviluppo tecnologico senza svuotare economicamente le fonti dell’informazione. La posizione non coincide né con un divieto generale di training né con un’autorizzazione illimitata a usare qualsiasi contenuto online. Per gli editori cambia la possibilità di controllare e concedere in licenza gli utilizzi che sostituiscono le opere originali.

Wikimedia interviene nella causa del New York Times contro OpenAI

La fondazione ha depositato un amicus brief, una memoria di un soggetto esterno alla controversia che offre al giudice argomenti utili per valutare questioni di interesse più ampio. Il procedimento indicato nel comunicato ufficiale del 30 ottobre raccoglie 12 cause contro OpenAI, fra le quali figura il contenzioso avviato nel 2023 da The New York Times contro OpenAI e Microsoft. Il quotidiano contesta l’utilizzo non autorizzato delle proprie opere, anche per l’addestramento dei modelli, mentre le aziende sostengono che lo sviluppo di sistemi AI basati su informazioni pubblicamente disponibili possa rientrare nelle eccezioni riconosciute dal diritto statunitense. La questione aveva assunto un rilievo immediato già con la denuncia del New York Times contro OpenAI e Microsoft, ma l’intervento di Wikimedia aggiunge una prospettiva diversa da quella di un editore commerciale: l’accesso aperto alla conoscenza dipende anche dalla possibilità che altri continuino a finanziare, produrre e pubblicare fonti affidabili. La memoria non è una decisione del tribunale e non dimostra quale orientamento sarà adottato nella sentenza. Indica invece il compromesso giuridico richiesto da un’organizzazione che fornisce contenuti tanto ai lettori quanto agli stessi sistemi AI.

Leggi anche: SPUR sfida l’AI gratis: NYT, Economist e AFP chiedono licenze misurabili

Addestramento dei modelli: il fair use non diventa una licenza universale

Per il training degli LLM, Wikimedia propone che l’impiego di contenuti coperti da copyright possa essere considerato lecito quando il risultato è nuovo e differente rispetto alle opere di partenza. In tale situazione, secondo la posizione espressa dalla fondazione, non sarebbe necessario soddisfare le condizioni di licenza delle singole opere impiegate durante l’addestramento. È una proposta circoscritta: non sostiene che qualunque appropriazione di contenuti o qualunque modello possa automaticamente rivendicare il fair use. La valutazione dipenderebbe dalla funzione dell’utilizzo e dal carattere trasformativo del risultato, elementi che restano controversi nel procedimento. Una soluzione troppo restrittiva, osserva Wikimedia, potrebbe frenare strumenti tecnologici aperti, progetti di ricerca e applicazioni che consentono di rendere più accessibile la conoscenza. Il timore non riguarda soltanto le grandi piattaforme commerciali: licenze onerose applicate indiscriminatamente a ogni attività di training potrebbero aumentare le barriere per soggetti non profit e sviluppatori indipendenti. Il ragionamento, tuttavia, non risolve il tema del consenso dei titolari dei diritti in tutte le giurisdizioni, né trasforma il contenuto liberamente raggiungibile sul web in materiale privo di protezione. Accessibilità pubblica, licenza aperta ed eccezione al copyright sono tre categorie differenti, che non devono essere sovrapposte.

Retrieval-augmented generation: quando il chatbot utilizza le opere altrui

La posizione cambia sul retrieval-augmented generation (RAG) e sulle tecniche più recenti di grounding, cioè i meccanismi con cui un sistema AI recupera informazioni da documenti esterni per costruire risposte aggiornate. Nella ricostruzione di Wikimedia, queste tecniche possono individuare un articolo giornalistico, copiarne parti e restituirne il contenuto attraverso un’interfaccia conversazionale. La fondazione chiede che tale uso di opere protette non venga considerato automaticamente fair use e che i fornitori rispettino le condizioni stabilite dagli editori o dalle piattaforme di origine. Il discrimine non è la sigla RAG in sé: cercare una fonte, citarla, produrre una sintesi o riprodurne porzioni sostanziali sono comportamenti differenti, da valutare rispetto al contenuto effettivamente utilizzato. La preoccupazione espressa dalla fondazione riguarda soprattutto l’ultimo passaggio, quando l’assistente fornisce all’utente ciò che avrebbe potuto leggere sull’opera originale, trattenendo l’interazione all’interno del proprio servizio. È il nodo industriale emerso anche nello scontro sugli AI Overviews e sui diritti degli editori: la fonte sostiene i costi della produzione, mentre chi costruisce l’interfaccia di risposta può intercettare l’attenzione, i dati e una parte del valore economico. Wikimedia non propone pertanto di vietare il grounding, ma di distinguere il suo utilizzo dalla trasformazione statistica compiuta durante il training.

Wikipedia difende l’attribuzione e la licenza Creative Commons

Il caso di Wikipedia rende concreta questa distinzione. L’enciclopedia conta oltre 67 milioni di voci in circa 300 lingue e riceve contributi da quasi 250.000 volontari al mese, che elaborano contenuti a partire da fonti verificabili, fra cui il giornalismo professionale. La fondazione ricorda che il materiale dei progetti Wikipedia è distribuito, nel perimetro indicato dalla comunicazione, secondo la licenza Creative Commons CC BY-SA 4.0: quando vengono riutilizzate opere soggette a queste condizioni, occorre riconoscere correttamente gli autori e applicare la clausola di condivisione allo stesso modo alle eventuali elaborazioni che ricadono nell’ambito della licenza. Questo non significa che ogni risposta AI che menzioni Wikipedia sia automaticamente un’opera derivata; la qualificazione dipende dal riutilizzo concreto. Wikimedia sostiene però che l’uso senza attribuzione debba restare circoscritto al training che soddisfa i requisiti del fair use, mentre le riproduzioni attraverso RAG devono rispettare le licenze. Il tema non è soltanto teorico: i tentativi di modifica non autorizzata e le richieste massive attribuite ad agenti OpenAI sui progetti Wikimedia avevano già mostrato quanto l’infrastruttura collaborativa possa sostenere costi operativi derivanti da sistemi automatizzati, anche quando non è stata dimostrata una compromissione dei dati.

Perché Wikimedia teme sia il divieto totale sia il fair use illimitato

La fondazione contesta due possibili estremi. Se i tribunali imponessero condizioni troppo rigide a qualsiasi addestramento, il rischio sarebbe frenare l’innovazione, compresa quella open source e non commerciale. Se invece qualsiasi recupero e restituzione dei contenuti fosse giustificato attraverso un fair use generalizzato, il web potrebbe diventare progressivamente più chiuso: editori, studiosi e altre organizzazioni avrebbero minori incentivi economici a rendere accessibili le fonti sulle quali Wikipedia stessa si basa. È una catena di dipendenze spesso trascurata. Wikipedia non nasce dal nulla e non sostituisce la produzione originaria di notizie, ricerche e documenti; li seleziona, li collega e li organizza mediante il lavoro volontario. Se diminuiscono le fonti indipendenti, si indebolisce anche il sistema di conoscenza che i modelli utilizzano. La posizione della CEO Bernadette Meehan e del responsabile legale Stephen LaPorte esprime quindi una tensione reale: rendere la conoscenza disponibile alle nuove tecnologie, ma mantenere sostenibile il lavoro umano necessario a produrla. Non emerge dal comunicato un meccanismo obbligatorio di pagamento per ogni citazione né una tariffa universale per i chatbot. L’obiettivo dichiarato è preservare la possibilità di applicare licenze e attribuzioni quando vengono riproposte opere protette.

Il confine con l’Europa e i diritti degli editori italiani

Per i soggetti italiani bisogna evitare un equivoco giuridico: il fair use oggetto del procedimento è un istituto del diritto statunitense, non una regola che si trasferisce automaticamente all’Unione europea. Nel quadro europeo il diritto d’autore, le eccezioni per text and data mining e le riserve dei titolari dei diritti seguono presupposti normativi propri. Inoltre, l’utilizzo commerciale delle pubblicazioni giornalistiche può sollevare questioni distinte da quelle relative al training, comprese le condizioni di riproduzione, le autorizzazioni contrattuali e i diritti connessi degli editori. Il confronto italiano sull’equo compenso fra editori, Google e Meta documenta perché i contratti selettivi e la possibilità di misurare gli utilizzi restino centrali per le testate indipendenti. La proposta Wikimedia può offrire una distinzione concettuale utile anche nel dibattito europeo, ma non costituisce una pronuncia sulle norme italiane e non garantisce automaticamente un compenso per ogni risposta generata dall’AI. Allo stesso tempo, il fatto che Wikimedia sostenga un ampio spazio per il training trasformativo non significa che tutti gli editori debbano rinunciare alle proprie riserve o accettare condizioni predisposte unilateralmente dalle piattaforme. Il conflitto riguarda anche chi può negoziare e dimostrare come il proprio materiale venga utilizzato.

Scraping sostenibile e API: il copyright non esaurisce il problema

Wikimedia aggiunge un requisito operativo indipendente dall’interpretazione del fair use: la raccolta automatizzata dei contenuti deve avvenire in maniera sostenibile, rispettando i limiti delle API pubbliche oppure utilizzando le offerte Enterprise API previste per gli impieghi intensivi. La differenza è sostanziale perché una piattaforma può considerare giuridicamente consentita una certa elaborazione dei testi e, nello stesso tempo, generare un carico eccessivo sui server da cui li preleva. Il costo dello scraping non riguarda soltanto la banda: comprende infrastruttura, disponibilità dei servizi, controllo del traffico e risorse umane destinate al mantenimento delle comunità. La richiesta della fondazione non è la prova che ogni crawler AI violi le sue condizioni di accesso, né che le Enterprise API costituiscano l’unico modo consentito di riutilizzare Wikipedia. È l’affermazione che l’accesso aperto non deve equivalere a consumo illimitato di risorse altrui. Questa impostazione rende evidente il limite di un dibattito concentrato esclusivamente sui diritti patrimoniali: anche un utilizzo che non richiede una licenza per il contenuto può comportare responsabilità operative verso la piattaforma da cui provengono i dati.

Continua con:

Google paga gli editori per l’AI, ma non per ogni AI Overview

OpenAI e il giornalismo: risposta al New York Times

Il nodo del processo OpenAI è il valore della conoscenza umana

La memoria del 30 ottobre porta davanti alla corte una questione che supera l’interesse dei singoli contendenti: come consentire la crescita dell’intelligenza artificiale senza erodere le condizioni che rendono possibile la produzione di conoscenza verificabile. Per Wikimedia il confine passa fra modelli che apprendono e producono risultati nuovi e servizi che recuperano e ripropongono contenuti con una funzione vicina a quella delle fonti originali, mantenendo in quest’ultimo caso la rilevanza delle licenze. È una posizione argomentata da un soggetto interessato all’esito della controversia, non una regola giudiziaria già stabilita. La decisione del tribunale potrà incidere sul dibattito statunitense, mentre editori e sviluppatori europei continueranno a operare dentro un sistema normativo differente. Il punto industriale rimane identico: senza fonti, autori, volontari e infrastrutture sostenibili, anche la qualità delle risposte AI perde il proprio fondamento.