La causa di Carreyrou può costare 900mila dollari per ogni libro pirata

La class action Bartz da 1,5 miliardi ha escluso 350 autori, che ora puntano ai danni legali massimi contro sei

LibGen e PiLiMi: il training set proibito

Per chi lavora con i modelli linguistici, il problema del “dataset pulito” non è mai stato solo etico: è tecnico. Servono corpus enormi, ben strutturati, privi di rumore. E i repository come Library Genesis e il Pirate Library Mirror sono, dal punto di vista puramente ingegneristico, miniere perfette: milioni di libri già in formato testo o EPUB, catalogati, pronti per essere tokenizzati senza passare per la scansione OCR di copie fisiche o per accordi di licenza con gli editori. Gli atti processuali raccontano nel dettaglio come Anthropic abbia attinto proprio da lì: nel giugno 2021 ha scaricato almeno cinque milioni di copie di libri da LibGen, e un anno più tardi, nel luglio 2022, altri due milioni da PiLiMi, in entrambi i casi — secondo quanto emerge dagli atti — con piena consapevolezza della provenienza pirata del materiale. Un dataset costruito così non poteva restare senza conseguenze legali.

350 autori dicono no: perché 3mila dollari non bastano

Il contesto in cui nasce la causa Carreyrou è quello di un accordo già chiuso, e proprio per questo rivelatore. Nella class action Bartz v. Anthropic, l’azienda ha messo sul tavolo un risarcimento collettivo da 1,5 miliardi di dollari per chiudere il contenzioso sul copyright. Ma non tutti hanno accettato: solo 350 membri della classe hanno scelto di non aderire, un numero minuscolo se confrontato con la platea complessiva degli aventi diritto, eppure sufficiente a generare un fronte legale parallelo e più aggressivo. Tra questi ci sono gli autori che oggi guidano la causa Carreyrou, e la loro scelta è tutt’altro che simbolica.

Il calcolo è semplice quanto spietato. L’accordo collettivo garantirebbe circa 3.000 dollari per libro: una cifra pensata per chiudere in fretta un contenzioso di massa, non per riflettere il valore reale dello sfruttamento di un’opera protetta all’interno di un modello linguistico. I sei autori che hanno intentato la causa separata la ritengono inadeguata e puntano dritti al massimo previsto dalla legge sul copyright statunitense: danni legali fino a 150.000 dollari per opera per ciascun imputato. Con sei società di intelligenza artificiale coinvolte nella causa, il conto sale fino a 900.000 dollari per singolo libro. È la differenza tra un risarcimento e una sanzione con funzione deterrente: rifiutare l’accordo minimo significa scommettere sul tribunale, ma anche mandare un segnale chiaro a chi costruisce modelli — il prezzo dei dati pirata può moltiplicarsi per ogni azienda che li ha usati. E mentre si punta ai massimi storici, il fronte si allarga ben oltre Anthropic.

Da xAI a Perplexity: la guerra dei copyright ora è totale

Il docket della causa racconta un’escalation quasi cinematografica. Il 21 gennaio è arrivata una notifica di archiviazione volontaria nei confronti di Anthropic PBC, quasi a voler isolare gli altri convenuti. Ma il 10 marzo la denuncia è stata emendata per aggiungere Apple, Inc. e NVIDIA Corporation, insieme a un elenco già lungo che comprende Google, Meta, Perplexity, xAI e diverse entità riconducibili a OpenAI. Il 27 marzo, infine, i convenuti OpenAI sono stati scorporati in un procedimento a sé, aperto con il numero 5:26-cv-2730-PCP davanti allo stesso giudice.

Il dettaglio più significativo, dal punto di vista del precedente giuridico, riguarda i nuovi entranti nel contenzioso sul copyright: la causa Carreyrou è la prima azione per violazione del copyright intentata contro xAI riguardo al suo processo di addestramento, ed è anche la prima causa promossa da autori contro Perplexity. Non sono dettagli da poco: fino ad ora entrambe le aziende erano rimaste ai margini del contenzioso che ha travolto OpenAI, Meta e Google, e ora si ritrovano esposte esattamente allo stesso tipo di richieste di risarcimento massimo. Il quadro si inserisce in un fenomeno più ampio: secondo il Copyright Alliance, sono già oltre 70 le cause per violazione del copyright intentate da titolari di diritti contro aziende di intelligenza artificiale, un numero che segnala come il contenzioso non sia più un rischio isolato ma un costo strutturale del settore.

Per chi costruisce sistemi di intelligenza artificiale, il messaggio che arriva da San Francisco è tecnico quanto legale: i dati di addestramento non sono più una variabile gratuita da ottimizzare a piacimento. Ogni libro scaricato da un repository pirata porta con sé un potenziale passivo che, moltiplicato per il numero di aziende coinvolte e per le tariffe massime previste dalla legge, può arrivare a 900mila dollari per ogni singola opera. Ignorare questo costo, oggi, non è più un’opzione.