La sentenza non riguarda violazioni contrattuali o di licenza, ma solo violazioni del diritto d'autore. Sui passi intermedi, semplificando un po', la sentenza distingue tra le copie fatte per addestrare gli LLM (fair use) e quelle fatte per creare
un database centrale da cui attingere per ogni evenienza (no fair use se ottenute illegalmente).
Per rispondere alla tua domanda, il problema principale sta nella fase di acquisizione del "materiale da addestramento". Se lo prendo da database pirata, o aggirando un paywall (es. New York Times v OpenAI), o rimuovendo le informazioni sulle
licenze (es. GitHub Copilot), allora tutti gli utilizzi successivi - che presi isolatamente sarebbero fair use - diventano illegittimi.
Il contributo rilevante della sentenza sta essenzialmente nel fatto di aver respinto la difesa della "copia intermedia", cioè la copia realizzata quale mero passo intermedio per una finalità di fair use. Il giudice ridimensiona questa difesa
(che ha permesso, ad esempio, a Google di prevalere nel caso Google Books), affermando che non si applica se la copia inziale è illecita.
Naturalmente occorre precisare che si tratta per ora di una sentenza, non di un approccio consolidato nella giurisprunza USA.
Un caro saluto,
--
_______________
Maurizio Borghi
Università di Torino
Grazie per la risposta, Maurizio.
Continuo qui sotto per entrare in alcuni dettagli che mi interessano particolarmente:
On Thu, Jul 23, 2026 at 05:40:29PM +0200, Maurizio Borghi wrote:
> la risposta non è semplice o univoca. Anthropic usava LibGen, Sci-Hub e Bibliotik, che (correggimi se sbaglio) sono notorie
> "shadow libraries".
(Confermo per LibGen e Sci-Hub, non conosco invece Bibliotik.)
> Su Common Crawl non saprei, perché lì dentro c'è un po' di tutto: uno studio ha stimato che un 70% dei dataset presenti
> non specifica quale licenza si applichi.
Giusto --- o meglio, non conosco la percentuale, ma è certo che la stragrande maggioranza dei contenuti su Web (come del codice su GitHub, e contenuti di altra natura su piattaforme dedicate) non specifica una licenza.
Ma questo non impedisce che io, utente di un Web browser, possa *accedere* legalmente a quel contenuto.
Poi i default del diritto d'autore impediscono di fare altre cose, tipo copiare, modificare, redistribuire, esibire ad un pubblico, etc. --- ed è qui che entra in gioco il fair use che salva, almeno secondo questa sentenza, gli allenatori di LLM.
Sbaglio qualcosa fin qui, strettamente dal punto di vista del diritto d'autore? (Vedi sotto per i vincoli contrattuali.)
> Con il web scraping puoi incorrere in violazioni contrattuali se non rispetti i termini d'uso (che spesso vietano proprio lo scraping);
Il caso dei vincoli contrattuali è in effetti molto pertinente ed interessante.
La sentenza prevede l'assenza di entrambi i tipi di violazioni (licenza ed eventuali contratti), o meno?
L'avevo finora interpretata come una sentenza principalmente sul diritto d'autore, ma è possibilissimo che sia un errore da parte mia.
> puoi inoltre violare di nuovo il copyright se rimuovi i metadati ("rights management information"),
> cosa piuttosto frequente tra gli addestratori di IA, e già motivo di altre cause legali.
Questo punto mi pare molto meno evidente.
Il processo di allenamento contiene molti passi intermedi, non mi è chiaro come riuscire legalmente a definire dove ne inizi uno che è protetto dal fair use (e nel quale quindi, perdonami la semplificazione, si "può violare" il diritto d'autore) e dove invece
no.
Ma ho in mente anche io alcune delle cause aperte su questo punto, quindi spero lo scopriremo "presto".
Grazie per la bella discussione e a presto.
--
Stefano Zacchiroli -
https://upsilon.cc/zack
Full professor of Computer Science, Polytechnic Institute of Paris
Co-founder & Chief scientific officer Software Heritage
_______________________________________________
nexa mailing list --
nexa@server-nexa.polito.it
To change settings or unsubscribe please go to:
https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/
The general archive of the list is located at:
https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/
Permalink to this message:
https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/message/FIBMVPVGNZN63PSB2CFMC7AUTW2WGL7G/