IA e giornali online: quando la risposta del chatbot viola i diritti degli editori

Il caso Gemini e le questioni preliminari sollevate dalla Corte di Budapest

Google Gemini è un agente conversazionale basato su intelligenza artificiale generativa, sviluppato dal gruppo Alphabet e gestito da Google Ireland Ltd. Il servizio utilizza grandi modelli di linguaggio (Large Language Models, LLM) addestrati su enormi collezioni di testi e impiega la tecnologia “Retrieval‑Augmented Generation” (RAG), nota anche come “grounding”. Grazie a RAG, Gemini può recuperare informazioni in tempo reale dal web per migliorare la precisione delle proprie risposte, anche su temi di attualità.

Il caso di riferimento nasce dalla denuncia di Like Company, operatore ungherese di diversi portali Internet, che ha intentato una causa contro Google davanti al tribunale di Budapest‑agglomération. Like Company sostiene di detenere diritti d’autore sui propri articoli di stampa, riconosciuti a livello dell’Unione europea come “diritti vicini” per gli editori, e accusa Google di aver utilizzato tali contenuti per addestrare i LLM Gemini e di averli riprodotti più volte tramite il chatbot tra il 13 giugno 2023 e il 31 maggio 2024.

Il giudice ungherese ha deciso di sospendere la decisione e di sottoporre alla Corte di giustizia quattro questioni pregiudiziali: due riguardanti la liceità dell’uso dei contenuti per l’addestramento dei LLM, e due relative al possibile diritto di riproduzione o di messa a disposizione del pubblico delle risposte generate dal chatbot.

Eccezione per la text‑and‑data‑mining: l’addestramento dei LLM è generalmente lecito

L’avvocato generale Maciej Szpunar ha raccomandato alla Corte di dichiarare inammissibili le due questioni sull’addestramento dei LLM, ritenendole ipotetiche poiché non vi sono prove concrete che gli articoli di Like Company siano stati effettivamente usati per addestrare Gemini. Tuttavia, ha sottolineato che, in assenza di tali prove, l’uso di opere protette (inclusi articoli di stampa) per addestrare un modello di IA è, per regola generale, coperto dall’eccezione per la text‑and‑data‑mining prevista dalla normativa UE.

Questa eccezione consente il “mozzare” (scraping) di testi e dati a fini di ricerca scientifica o di sviluppo di tecnologie, a condizione che non vi sia violazione di misure tecniche di protezione e che non si tratti di una “utilizzazione in linea” che violi i diritti esclusivi dell’editore.

Due fattori chiave per valutare la liceità

• Assenza di prova di utilizzo per l’addestramento: la mancanza di evidenze concrete rende difficile attribuire una violazione al solo processo di addestramento.
• Presenza di misure tecniche efficaci: se l’editore ha implementato paywall o altri meccanismi di protezione, il loro aggiramento potrebbe trasformare un’operazione lecitamente consentita in una violazione.

Le risposte del chatbot: quando si configura una violazione dei diritti editoriali

Secondo Szpunar, la questione più rilevante riguarda le risposte generate da Gemini quando il chatbot recupera e ripropone contenuti di stampa. In tal caso, il diritto di riproduzione dell’editore può essere violato se ricorrono due condizioni fondamentali.

Primo criterio: modalità di accesso al contenuto

Il primo elemento da valutare è se il chatbot ha ottenuto l’articolo in maniera illecita, ad esempio aggirando misure tecniche di protezione (paywall, anti‑scraping, ecc.). Il Regolamento InfoSoc (direttiva 2001/29/CE) stabilisce che l’uso finale è lecito solo se autorizzato dal titolare del diritto o se non è limitato dalla legge. Se l’editore non ha concesso l’autorizzazione e ha attivato misure efficaci, il recupero da parte del chatbot è considerato “illegale”.

In pratica, se Gemini accede a un articolo dietro un muro di pagamento senza pagamento o senza accordo, la risposta fornita all’utente può costituire una violazione del diritto di riproduzione.

Secondo criterio: riconoscibilità della forma espressiva

Il diritto degli editori di stampa non protegge i fatti di per sé, ma la forma specifica di espressione con cui tali fatti sono presentati. Se la risposta del chatbot riproduce in modo riconoscibile la struttura, lo stile o le frasi dell’articolo originale, l’utente non ha più bisogno di consultare la fonte, e il diritto di “mise à disposition du public” può essere violato.

Al contrario, se la risposta si limita a fornire un riassunto generico o a riformulare i contenuti in maniera sostanzialmente diversa, è meno probabile che si configuri una violazione, poiché la forma originale rimane non riconoscibile.

Responsabilità del fornitore del servizio IA

Lo stesso avvocato generale ha evidenziato che la responsabilità ricade sul fornitore del servizio (in questo caso Google) quando l’uso illecito è parte integrante del modello di business o quando non sono state adottate misure adeguate per prevenire tali violazioni. Se Google non ha implementato filtri per rispettare i paywall o non ha negoziato licenze con gli editori, può essere ritenuto responsabile sia per l’accesso illecito che per la riproduzione non autorizzata.

Il principio di “responsabilità per i fatti” si applica soprattutto quando l’attività di recupero e riutilizzo è sistematica e mirata a fornire contenuti editoriali, piuttosto che a scopi puramente informativi o di ricerca.

Domande giuridiche ancora aperte

Nonostante le linee guida fornite da Szpunar, permangono numerosi interrogativi:

• Qual è la soglia di “riconoscibilità” della forma espressiva che determina la violazione del diritto di messa a disposizione?
• Come devono essere calibrati i meccanismi di filtraggio per distinguere tra fatti e espressione protetta?
• Qual è il ruolo delle licenze collettive o dei contratti di “data‑sharing” tra editori e fornitori di IA?
• In che misura la normativa sul diritto d’autore dovrebbe evolversi per tenere conto dei modelli di IA generativa?

Implicazioni per il futuro dei contenuti digitali

Il caso Gemini rappresenta una pietra miliare per la giurisprudenza europea in materia di intelligenza artificiale e diritti editoriali. La decisione finale della Corte di giustizia avrà un impatto significativo su:

• Le pratiche di “scraping” dei contenuti da parte dei fornitori di LLM.
• Le negoziazioni di licenze fra editori e piattaforme IA.
• Lo sviluppo di tecnologie di “grounding” che rispettino le misure tecniche di protezione.
• La definizione di standard di trasparenza per gli algoritmi di recupero dati.

In conclusione, mentre l’eccezione per il text‑and‑data‑mining sembra tutelare l’addestramento dei modelli, la generazione di risposte basate su contenuti editoriali richiede un’attenta valutazione della legalità dell’accesso e della protezione della forma espressiva. Gli editori, i fornitori di IA e le autorità regolatorie dovranno collaborare per definire regole chiare, al fine di bilanciare l’innovazione tecnologica con il rispetto dei diritti di proprietà intellettuale.