Il 30 ottobre 2026 la Fondazione Wikimedia ha annunciato di aver presentato una richiesta formale al Tribunale Distrettuale degli Stati Uniti per il Distretto Sud di New York, al fine di ottenere l’autorizzazione a depositare un amicus curiae nella causa In re: OpenAI, Inc. Copyright Infringement Litigation. La causa, consolidata, aggrega dodici azioni legali contro OpenAI, tra le quali spicca la denuncia del New York Times contro OpenAI e Microsoft.

Procedura di presentazione e contesto giuridico

La richiesta, datata 29 ottobre 2026 e indirizzata al giudice Sidney H. Stein, è una lettera di autorizzazione che rispetta le norme locali del tribunale e l’ordine del 7 agosto 2026, modificato il 24 settembre 2026, che regola la partecipazione di terzi come amici del tribunale. L’ordine prevede la necessità di chiedere il permesso, ma non richiede il consenso delle parti in causa.

Il documento allegato, di 5 831 parole, rientra nel limite di 6 000 parole fissato dal giudice per gli amicus curiae. I legali che hanno redatto il testo sono Rhett O. Millsaps II (Lex Lumina LLP), il consigliere legale generale Stephen LaPorte, il consigliere legale aggiunto Jacob Rogers e la consulente Aly Marino.

Il nodo centrale della disputa

Il tribunale dovrà stabilire se l’utilizzo di contenuti protetti da copyright da parte delle società di intelligenza artificiale per lo sviluppo di grandi modelli linguistici (LLM) rientra nella dottrina dell’uso leale (fair use). La Fondazione ha sottolineato che la decisione avrà un impatto enorme grazie alla giurisdizione federale, alle parti coinvolte e al limitato numero di precedenti che hanno affrontato la questione.

Il New York Times ha intentato la propria causa nel 2023, affermando che l’uso dei suoi articoli da parte di OpenAI e Microsoft, anche a fini di addestramento, violerebbe la legge sul copyright. OpenAI e Microsoft, invece, sostengono che l’addestramento su dati pubblicamente disponibili costituisce un progresso tecnologico tutelato dall’uso leale.

Posizione di Wikimedia sulla innovazione e l’accesso al sapere

Wikimedia avverte che un’interpretazione troppo restrittiva dell’uso leale potrebbe soffocare l’innovazione e limitare gli strumenti di cui beneficiano progetti open‑source come Wikipedia. Al contrario, un’applicazione troppo ampia dell’uso leale potrebbe chiudere la web, poiché editori secondari ridurrebbero la disponibilità di materiale di riferimento, indebolendo la base di conoscenza online.

Implicazioni per il mondo open‑source e per Wikipedia

In un post su Diff, il blog del movimento Wikimedia, la fondazione ha spiegato che, se il training non fosse considerato uso leale, lo sviluppo dell’IA sarebbe probabilmente riservato alle grandi aziende con ingenti risorse finanziarie, escludendo i progetti open‑source. Un giudizio favorevole all’uso leale, invece, potrebbe incentivare gli editori a porre i contenuti dietro barriere di accesso, riducendo la visibilità di fonti che Wikipedia utilizza per attrarre lettori e volontari.

Bernadette Meehan, direttrice esecutiva di Wikimedia, ha dichiarato che l’organizzazione “difende il sapere umano libero e aperto di cui dipende Wikipedia” e ha definito l’ampliamento dell’accesso al sapere mediante l’IA un obiettivo potente che deve rispettare le persone, i collaboratori e le comunità.

Un quadro caso per caso dell’uso leale

Il documento si fonda sulla sentenza della Corte Suprema del 2023 Andy Warhol Foundation for the Visual Arts v. Goldsmith, sostenendo che ogni utilizzo di opere copiate in diverse fasi del ciclo di vita di un chatbot richiede una valutazione separata dei quattro fattori dell’uso leale. Cita inoltre la decisione del 2025 Bartz v. Anthropic come riferimento per valutare distintamente gli usi nelle diverse fasi.

Secondo l’amicus, il “crawling” automatizzato (richiesta tecnica a un sito per ottenere una copia) è una semplice acquisizione, non un atto soggetto a copyright; il vero esame dell’uso leale deve riguardare ciò che si fa con le copie. Tuttavia, il crawling può violare le condizioni d’uso del sito, leggi contrattuali statali o la Digital Millennium Copyright Act e la Computer Fraud and Abuse Act.

Analisi dettagliata delle fasi di utilizzo

Pre‑addestramento: il documento ritiene che questa fase sia probabilmente un uso leale. È trasformativa perché le copie forniscono solo pattern linguistici, non la loro funzione informativa; il secondo fattore è neutro poiché le opere enciclopediche sono prevalentemente fattuali; il terzo fattore è giustificato perché i modelli richiedono miliardi di parole, rendendo necessario l’uso di opere complete; il quarto fattore è soddisfatto perché il pre‑addestramento non sostituisce le opere sul mercato.

In sintesi, la fondazione sostiene che l’utilizzo di contenuti protetti per addestrare modelli dovrebbe essere considerato leale quando il risultato è un prodotto nuovo e distinto dalle fonti originali, senza violare le licenze d’autore.

Generazione aumentata per recupero (RAG): il documento descrive la RAG come un processo in cui il chatbot interroga una base dati, individua, copia, classifica e incorpora frammenti di contenuto nella risposta. Poiché questa fase utilizza le opere con lo scopo originale di informare il lettore, prende le parti più rilevanti e compete con le fonti per l’attenzione, il documento ritiene che non superi la prova dei quattro fattori e non debba essere considerata uso leale.

Wikimedia afferma che la RAG e tecniche analoghe non dovrebbero beneficiare di una difesa di uso leale e che le aziende dovrebbero rispettare le licenze specifiche di ogni piattaforma, come la CC BY‑SA 4.0 che regola i contenuti di Wikipedia.

Richiesta finale al giudice

Nel concludere, l’amicus chiede al tribunale di dichiarare che il pre‑addestramento di un LLM di uso generale, come ChatGPT, costituisce un uso leale, mentre l’impiego di copie nella funzione RAG non è leale e deve essere soggetto alle licenze, inclusa la Creative Commons applicabile ai progetti Wikimedia.

L’importanza di Wikipedia nel panorama dei dati per l’IA

Wikipedia conta più di 67 milioni di articoli in 300 lingue, con circa 250 000 volontari mensili. La Fondazione la descrive come uno dei dataset di più alta qualità impiegati per addestrare i LLM. A gennaio 2025, più di 260 000 collaboratori hanno creato e moderato contenuti su tredici piattaforme di conoscenza libera, e Wikipedia registra miliardi di visite mensili.

Il documento evidenzia che il traffico non umano generato da scraping e crawling rappresenta una piccola frazione rispetto al traffico umano, ma la sua gestione normativa è cruciale per definire i limiti dell’uso leale nel contesto dell’IA.