MILANO – Una nuova frontiera si è aperta nel campo di battaglia digitale, un conflitto silenzioso ma dalle implicazioni profonde che contrappone la preservazione della memoria storica del web alla corsa sfrenata verso lo sviluppo dell’intelligenza artificiale. Protagonisti di questa contesa sono da un lato alcuni dei più prestigiosi nomi del giornalismo mondiale, come il New York Times e il Guardian, e dall’altro l’Internet Archive, la più grande biblioteca digitale del pianeta, custode di miliardi di pagine web attraverso il suo celebre strumento, la Wayback Machine.
La decisione, tanto drastica quanto significativa, è stata quella di bloccare l’accesso dei crawler dell’Internet Archive ai propri siti. La motivazione, esplicitata senza mezzi termini dai portavoce delle testate al Nieman Lab dell’Università di Harvard, risiede nel timore che i contenuti archiviati, liberamente accessibili, diventino il “carburante” non autorizzato per l’addestramento dei modelli di intelligenza artificiale. “Non hanno l’autorizzazione”, ha dichiarato un portavoce del Times, “per questo abbiamo deciso di bloccarlo”. Una posizione che segna un punto di svolta nel rapporto tra editori e piattaforme di archiviazione, evidenziando una crescente preoccupazione per la tutela della proprietà intellettuale e la sostenibilità economica del giornalismo di qualità.
La Minaccia dello Scraping Massivo e la Difesa degli Editori
Il cuore del problema è la pratica dello scraping: la raccolta massiva e automatizzata di dati dal web. Le aziende che sviluppano modelli di IA, come quelli che alimentano chatbot e altri sistemi generativi, necessitano di enormi quantità di testo e informazioni per “imparare”. L’Internet Archive, con la sua vastissima collezione di contenuti storici e attuali, rappresenta una miniera d’oro per queste tecnologie. Gli editori, tuttavia, vedono questa pratica come un saccheggio del loro lavoro, un utilizzo non autorizzato che sfrutta anni di investimenti in giornalismo, inchieste e reportage senza alcun tipo di compenso o controllo.
Il New York Times ha confermato di aver implementato un “hard blocking” contro i crawler dell’archivio, aggiungendo specificamente il bot “archive.org_bot” al proprio file robots.txt già alla fine del 2025. Questa mossa tecnica impedisce di fatto alla Wayback Machine di creare nuove copie delle pagine del quotidiano. La preoccupazione non è isolata: anche altre importanti pubblicazioni come il Financial Times e il conglomerato USA Today Co. (Gannett) hanno adottato misure simili, creando un fronte compatto contro quello che percepiscono come un uso illecito dei loro asset digitali.
Questa strategia difensiva si inserisce in un contesto legale sempre più teso. Molti di questi editori hanno già intrapreso azioni legali dirette contro le aziende di IA. Il New York Times, ad esempio, ha citato in giudizio OpenAI e Microsoft, mentre un gruppo di altre testate, tra cui The Atlantic e Politico, ha fatto causa a Cohere. Il blocco dell’Internet Archive è quindi un ulteriore tassello in una strategia più ampia volta a riaffermare il controllo sui propri contenuti e a stabilire nuovi termini economici per il loro utilizzo nell’ecosistema dell’IA.
Il Caso Reddit: Un Precedente Significativo
La decisione di New York Times e Guardian non arriva come un fulmine a ciel sereno. Già nell’agosto del 2025, la popolare piattaforma di discussione Reddit aveva bloccato l’accesso all’Internet Archive. La mossa di Reddit è particolarmente emblematica: la piattaforma, ricca di conversazioni e contenuti generati dagli utenti, ha recentemente siglato un accordo multimilionario con Google (si parla di circa 60 milioni di dollari all’anno) per concedere in licenza i propri dati proprio per l’addestramento dei modelli di IA del colosso di Mountain View. Questo evidenzia un modello di business emergente: i contenuti digitali, una volta considerati liberamente accessibili per l’archiviazione, sono ora visti come una risorsa preziosa da monetizzare direttamente con le aziende tecnologiche.
La Voce dell’Internet Archive: Una Biblioteca sotto Attacco
Dall’altra parte della barricata, la posizione dell’Internet Archive è netta e preoccupata. Brewster Kahle, fondatore di questa istituzione no-profit nata nel 1996 con la nobile missione di preservare la memoria collettiva di internet, ha lanciato un allarme: “Se gli editori limitano le biblioteche, come Internet Archive, il pubblico avrà meno accesso ai documenti storici”. Per Kahle e la sua organizzazione, la Wayback Machine è uno strumento essenziale per ricercatori, giornalisti e cittadini, un baluardo contro la natura effimera del web dove i contenuti possono sparire con un clic.
L’archivio si trova in una posizione delicata. Già nel maggio del 2023, i suoi server sono andati temporaneamente offline a causa di un sovraccarico causato proprio da un’azienda di IA che tentava di estrarre dati. Ora, oltre ai problemi tecnici, deve affrontare un “muro” eretto da alcuni dei maggiori produttori di informazione al mondo. La tensione tra la missione di preservare e democratizzare l’accesso alla conoscenza e il diritto degli editori di proteggere e monetizzare il proprio lavoro è giunta a un punto critico.
Le Implicazioni Future: Quale Equilibrio tra Innovazione e Diritto d’Autore?
La vicenda solleva interrogativi fondamentali per il futuro dell’informazione e della tecnologia.
- Accesso alla conoscenza: Il blocco dell’archiviazione rischia di creare dei “buchi neri” nella nostra memoria digitale, rendendo più difficile la verifica delle fonti e lo studio dell’evoluzione dell’informazione nel tempo.
- Diritto d’autore: La questione è intrinsecamente legata alla normativa sul copyright, che fatica a tenere il passo con l’evoluzione tecnologica. Le leggi attuali, come il principio del fair use statunitense, sono oggetto di interpretazioni contrastanti in questo nuovo contesto.
- Sostenibilità del giornalismo: Per gli editori, la possibilità di concedere in licenza i propri archivi alle aziende di IA rappresenta una potenziale nuova fonte di ricavo, cruciale in un settore in continua trasformazione economica.
- Il futuro delle IA: Limitare l’accesso a vasti corpus di dati di alta qualità potrebbe influenzare lo sviluppo e le capacità dei futuri modelli di intelligenza artificiale.
La decisione di New York Times, Guardian e altri segna l’inizio di una nuova era nei rapporti di forza digitali. La battaglia è appena cominciata e il suo esito definirà non solo come le intelligenze artificiali potranno evolversi, ma anche come la nostra società sceglierà di conservare la propria storia e garantire l’accesso al sapere nell’era digitale. La sfida sarà trovare un equilibrio sostenibile che tuteli il lavoro intellettuale senza soffocare l’innovazione e senza compromettere l’esistenza di una memoria collettiva, libera e accessibile a tutti.