Introduzione al caso

Il 8 ottobre 2026, USA TODAY Co., Inc. e le sue affiliate giornalistiche hanno sporto una denuncia presso il tribunale federale del Distretto Sud di New York contro OpenAI Foundation e le altre entità legali del gruppo. La causa, registrata come USA Today Co., Inc. v. OpenAI Foundation, accusa OpenAI di aver addestrato i propri modelli di intelligenza artificiale, in particolare la serie GPT, utilizzando centinaia di migliaia di articoli protetti da diritto d’autore appartenenti a USA TODAY e alle sue testate, senza ottenere alcuna autorizzazione.

La domanda di risarcimento è superiore a 250 milioni di dollari e mira a fermare la pratica di “reimpacchettare” i contenuti giornalistici originali in risposte generate dal chatbot, sostituendo così le fonti di informazione originali.

Presentazione della causa e risarcimento richiesto

La denuncia è stata redatta dall’avvocato Steven Lieberman dello studio Rothwell, Figg, Ernst & Manbeck e presentata con una serie di documenti: una pagina di copertina civile, un modulo di notifica di copyright, una notifica di comparizione e una richiesta di emissione di citazione.

Allegate alla domanda vi sono due esposizioni:

    • Una raccolta di registri di diritto d’autore che dimostrano la proprietà degli articoli da parte di USA TODAY.
    • Una seconda esposizione che contiene esempi concreti di output generati da GPT‑5.6, evidenziando la somiglianza con gli articoli originali.

La denuncia è stata presentata nello stesso tribunale dove è in corso un altro procedimento contro OpenAI per violazione di copyright, creando così una “relazione di causa” tra i due casi.

Secondo il quadro legale citato nella denuncia, i danni per violazione deliberata del copyright possono arrivare a 150 000 $ per ogni violazione, più ulteriori 25 000 $ per la rimozione delle informazioni di gestione dei diritti (DRM) o dei dati di proprietà allegati alle opere pubblicate.

Alegati sui dati di addestramento e sulla copia

La denuncia afferma che i grandi modelli linguistici di OpenAI sono stati addestrati con materiale protetto da copyright prelevato da Internet senza autorizzazione, ignorando paywall, restrizioni di accesso e altri meccanismi di protezione. OpenAI avrebbe inoltre impiegato software progettati per rimuovere i metadati di copyright, nascondendo così il fatto che le opere erano protette.

Nel dicembre 2023, OpenAI ha fornito dichiarazioni a una commissione della Camera dei Lord del Regno Unito, affermando che, poiché il diritto d’autore copre “praticamente ogni forma di espressione umana”, limitare i dati di addestramento al solo materiale di pubblico dominio non sarebbe sufficiente a produrre sistemi di IA in grado di soddisfare le esigenze attuali.

Secondo la denuncia, i dati di USA TODAY compongono:

    • Oltre 160 000 voci in WebText, il corpus interno usato per addestrare GPT‑2, di cui 83 266 provengono da usatoday.com e 12 994 da freep.com.
    • Più di 122 milioni di token nel dataset C4 (una versione filtrata in inglese del crawled web del 2019 da Common Crawl).

La denuncia ricostruisce inoltre la composizione del training set di GPT‑3, pubblicata da OpenAI, evidenziando che il 60 % dei dati proviene da Common Crawl e il 22 % da WebText2, una versione ampliata di WebText.

Prove interne che dimostrerebbero la conoscenza da parte di OpenAI

Per sostenere che OpenAI era consapevole del contenuto dei propri modelli, la denuncia cita diverse comunicazioni interne:

    • Il co‑fondatore Greg Brockman avrebbe dichiarato ai colleghi che i modelli erano “particolarmente bravi a predire il testo di articoli di notizie”.
    • Una presentazione del 2020 tenuta dal leader di ricerca Dario Amodei includeva la generazione di notizie tra le capacità di GPT‑3.
    • Il vicepresidente della Ricerca di OpenAI avrebbe affermato: “Addestriamo le nostre reti per memorizzare i dati di addestramento — è il loro obiettivo”.
    • Messaggi interni di giugno 2022 mostrano dipendenti che riconoscono che GPT‑4 avrebbe memorizzato vaste quantità di dati ed è “altamente efficace nel riprodurli”.

Ruolo di Microsoft e dei progetti Taxi e Mango

La denuncia accusa anche Microsoft di aver fornito a OpenAI, per un periodo di tre anni, una copia dell’Indice Bing, una raccolta di miliardi di pagine web estratte per il motore di ricerca, contenente il materiale protetto dei giornali di USA TODAY. Questo trasferimento avveniva sotto l’iniziativa denominata “Project Taxi”.

In aggiunta, Microsoft avrebbe sviluppato e gestito separatamente un crawler chiamato “Project Mango” per conto di OpenAI, con OpenAI che ha pagato Microsoft per l’accesso a questi dati.

Secondo la denuncia, i filtri di output di OpenAI non hanno eliminato i contenuti provenienti da entità che non hanno intentato cause contro l’azienda, una pratica descritta internamente da un dirigente Microsoft come “copertura accidentale”.

Esempi di output di GPT‑5.6

Tra le prove presentate, la denuncia include esempi in cui GPT‑5.6, su richiesta di trovare e riassumere un articolo specifico per titolo, ha generato lunghi riassunti che parafrasano fedelmente i contenuti originali e ne riproducono la struttura. Gli esempi includono articoli di:

    • Indianapolis Star
    • Detroit Free Press
    • The Knoxville News‑Sentinel
    • The Palm Beach Post
    • The Tennessean
    • The Enquirer
    • The Des Moines Register
    • The Courier‑Journal
    • Naples Daily News
    • Asbury Park Press
    • Milwaukee Journal Sentinel
    • The Columbus Dispatch
    • The Oklahoman
    • Star News

Le versioni complete di questi riassunti sono state allegate come evidenza, dimostrando che le risposte di GPT‑5.6 possono sostituire la funzione informativa degli articoli originali.

Strategia di OpenAI nella fornitura di risposte

La denuncia afferma che OpenAI ha addestrato deliberatamente i propri modelli a riassumere articoli con copyright anziché restituire i testi originali, creando “sostituti” che soddisfano le stesse esigenze informative degli utenti.

Un dirigente di ChatGPT è stato citato dicendo che, una volta fornita una risposta, “non c’è un buon motivo per fare clic sul collegamento alla fonte”. Un ingegnere di OpenAI ha confermato che, per quanto i link siano visibili, gli utenti tendono a non cliccare su di essi.

Questo porta a una perdita di traffico verso le fonti originali e, di conseguenza, una diminuzione delle entrate da abbonamenti per le testate coinvolte.

Le parti coinvolte

I querelanti sono tutti appartenenti a USA TODAY Co., Inc. e detengono i diritti d’autore su contenuti pubblicati da 19 testate, tra cui:

    • USA TODAY
    • The Tennessean
    • Indy Star
    • The Bergen Record
    • The Enquirer
    • Asbury Park Press
    • Democrat & Chronicle
    • The Knoxville News‑Sentinel
    • Naples Daily News
    • The Oklahoman
    • Milwaukee Journal Sentinel
    • The Columbus Dispatch
    • The Arizona Republic
    • The Courier‑Journal
    • The Des Moines Register
    • Detroit Free Press
    • The Detroit News
    • The Palm Beach Post
    • Star News

La denuncia descrive USA TODAY Co., precedentemente conosciuta come Gannett Co., Inc., come una società di media diversificata con radici che risalgono al 1906, responsabile della pubblicazione di USA TODAY e di centinaia di testate locali, vincitrice di numerosi premi Pulitzer e impiegante centinaia di giornalisti in tredici stati.

I convenuti sono le diverse entità legali di OpenAI, ciascuna con sede a San Francisco:

    • OpenAI Foundation
    • OpenAI GP, LLC
    • OAI International, Inc.
    • OpenAI OpCo, LLC
    • OpenAI Global, LLC
    • OAI Corporation
    • OpenAI Group PBC

Tutte sono descritte nella denuncia come entità direttamente coinvolte nella presunta violazione o che ne hanno tratto beneficio.

Contestazioni e consolidamento di cause simili

USA TODAY si unisce a una “lunga lista” di titolari di diritti d’autore che hanno avviato cause contro OpenAI e altre aziende di IA. Molti di questi procedimenti sono già consolidati nello stesso tribunale federale di New York, il che potrebbe portare a una decisione collettiva che defini le linee guida per l’addestramento dei modelli di linguaggio di grandi dimensioni.

Il risultato di questa causa avrà implicazioni significative per l’intero settore dell’IA generativa, poiché stabilirà se l’uso massivo di contenuti protetti da copyright senza licenza è conscio o meno una violazione legale, e quale tipo di compensi debbano essere previsti in tali situazioni.

Possibili scenari futuri

Se il giudice accetterà le richieste di USA TODAY, OpenAI potrebbe dover:

    • Pagare un indennizzo superiore a 250 milioni di dollari.
    • Rimuovere o filtrare più efficacemente i contenuti protetti da copyright nelle risposte del proprio modello.
    • Implementare licenze o accordi di pagamento con editori per l’uso dei loro contenuti durante l’addestramento.

In alternativa, OpenAI potrebbe contestare la violazione sostenendo il “fair use” o argomentando che la trasformazione del contenuto è di natura pura, ma la vastità dei dati e le prove documentate nella denuncia rendono la difesa complessa.

Conclusione

La causa di USA TODAY contro OpenAI rappresenta una delle battaglie legali più ambiziose nel campo dell’intelligenza artificiale, con richieste di risarcimento da centinaia di milioni di dollari e una documentazione dettagliata di presunti abusi nei dati di addestramento. La decisione del tribunale di New York potrà delineare i confini legali dell’uso di contenuti protetti da copyright nella creazione di modelli linguistici, influenzando sia le future pratiche di OpenAI sia l’intero ecosistema dell’IA generativa.