Le recenti decisioni nei casi Gema v. OpenAI (LG München I, sentenza del 11 novembre 2025) e Getty Images et al v. Stability AI (High Court of England and Wales, sentenza del 4 novembre 2025) affrontano, sotto angoli diversi, la stessa questione di fondo: come qualificare, alla luce del diritto d’autore, l’uso di opere protette nell’addestramento e nel funzionamento di modelli di intelligenza artificiale generativa.
L’addestramento dei modelli di intelligenza artificiale generativa è, anzitutto, il processo tecnico di trasformazione di opere e dati in parametri numerici. I parametri sono i cosiddetti “pesi” (weights), che costituiscono il reticolato di scelte logiche che il modello è chiamato a compiere per trasformare un input in un output.
Durante questo processo, le opere contenute nel corpus di addestramento vengono convertite in forma numerica affinché l’algoritmo alla base del modello elabori questi dati e ne estragga pattern statistici e strutture ricorrenti; dopodiché, un algoritmo di ottimizzazione confronta tale output con un risultato standard atteso e, in base al risultato, modifica i pesi per ridurre l’errore. Il ciclo si ripete finché i pesi si stabilizzano in una configurazione considerata soddisfacente, passando da uno stato di iniziale casualità ad una risposta ritenuta statisticamente più probabile.
In questa dinamica si inserisce il fenomeno della memorisation: quando il modello viene esposto più volte a determinate opere o frammenti, i pesi possono fissare tali contenuti con una precisione tale da consentirne la riemersione in output in forma quasi testuale o visivamente riconoscibile, in presenza di determinati prompt. Il punto giuridico diventa allora se questa fissazione nei pesi, e la successiva riemersione, integri una “riproduzione” ai sensi dell’articolo 2 della direttiva 2001/29/CE (InfoSoc).
Proprio su questo nodo – se la parametrizzazione del modello possa tradursi in una riproduzione – le due sentenze qui commentate sviluppano soluzioni opposte.
Il quadro normativo: InfoSoc, DSM e recepimenti nazionali
Il primo caso in esame è deciso dal Landgericht München I (Tribunale di Monaco di Baviera), che applica la Urheberrechtsgesetz (UrhG, la legge tedesca sul diritto d’autore). I riferimenti centrali sono il § 16 UrhG sul diritto di Vervielfältigung (riproduzione), che attua l’articolo 2 InfoSoc, il § 19a UrhG sulla öffentliche Zugänglichmachung (messa a disposizione del pubblico), che recepisce l’articolo 3 InfoSoc, e il § 44b UrhG sul Text und Data Mining (TDM, estrazione di testi e dati), introdotto per dare attuazione all’articolo 4 della direttiva 2019/790/UE (DSM) in materia di TDM per finalità generali.
La decisione inglese si colloca invece nel quadro della Copyright, Designs and Patents Act 1988 (CDPA), come modificata per recepire la direttiva InfoSoc attraverso i Copyright and Related Rights Regulations 2003, ma in un ordinamento che non ha mai trasposto la direttiva DSM a seguito della Brexit. Il giudice richiama in particolare sulla sezione 17 CDPA, che definisce il right to copy (diritto di riproduzione), sulle sezioni 22 e 23 CDPA relative alla secondary infringement (responsabilità secondaria diversa dal direct infingement, ossia l’atto di contraffazione, fondata sull’esistenza e lo sfruttamento di esemplari illecitamente riprodotti), e sulla sezione 27 CDPA, che definisce la nozione di infringing copy (esemplare illecitamente riprodotto).
Il caso GEMA v OpenAI davanti al Tribunale di Monaco
Nel caso tedesco, la GEMA, una collecting per i diritti di riproduzione meccanica e l’esibizione musicale, agisce contro i OpenAI, fornitori di un modello linguistico generativo. È pacifico che il modello sia stato addestrato su dataset reperiti tramite scraping da siti web, includendo testi di canzoni tutelate. In giudizio viene accertato che, in risposta a richieste molto semplici – basate sul titolo del brano o sul nome dell’artista – il sistema restituisce versi e ritornelli in forma riconoscibile, e talvolta quasi integrale.
Il Tribunale ricostruisce il funzionamento del modello distinguendo tra:
- una fase di predisposizione del corpus di training, in cui le opere vengono raccolte, digitalizzate e organizzate;
- una fase di addestramento in senso stretto, in cui i pesi vengono regolati in base alle risposte attese; e
- una fase di utilizzo, in cui il modello genera output su richiesta degli utenti.
Sul piano sostanziale, il Landgericht afferma che i testi musicali risultano presenti “in modo tale da poter essere riprodotti”(“reproduzierbar enthalten”) nel modello, cioè contenuti in modo tale da poter essere nuovamente resi percepibili all’uomo tramite l’interfaccia. La capacità del sistema di rigenerare estratti sostanziali, a seguito di prompt standard, viene letta come indice di una memorisation nei pesi, non riducibile a semplice somiglianza statistica.
Di conseguenza la fase di addestramento viene qualificata come Vervielfältigung (riproduzione) ai sensi del § 16 UrhG: il modello costituisce un supporto sul quale l’opera è fissata, in modo indiretto ma funzionalmente idoneo alla sua percezione. In altri termini, il modello stesso viene considerato un supporto di riproduzione delle opere, un esemplare in cui le opere sono presenti in forma latente ma richiamabile.
Il caso Getty Images v Stability AI davanti alla High Court
Il contenzioso inglese prende avvio dall’uso, per l’addestramento di Stable Diffusion, di dataset derivati da LAION-5B, costruiti mediante scraping di immagini dal web, tra cui fotografie tratte dai database di proprietà del gruppo Getty Images. Il training viene svolto su infrastrutture cloud estere. Prima della fase decisoria, però, Getty rinuncia alle domande direttamente fondate sugli atti di training e sugli output generati, così che il giudice è chiamato a pronunciarsi, in punto di diritto d’autore, solo sulla configurabilità di un secondary infringement, incentrata sulla qualificazione del modello stesso come infringing copy (esemplare illecitamente riprodotto) ai sensi della sezione 27 CDPA.
La High Court riconosce che, nella fase di addestramento, l’utilizzo delle immagini nei dataset integra atti di riproduzione ai sensi della sezione 17 CDPA. Tuttavia, il modello, nella configurazione finale distribuita o resa accessibile nel Regno Unito, non incorpora più immagini riconoscibili, ma consiste solo in pesi e strutture matematiche che rappresentano il risultato del processo di apprendimento. In quest’ottica il modello è il “prodotto” delle riproduzioni, non esso stesso una riproduzione delle fotografie di Getty. Di conseguenza mancherebbe il presupposto per qualificarlo come infringing copy ai sensi della sezione 27 CDPA, che richiede pur sempre un esemplare che integri, almeno in una fase, una riproduzione dell’opera.
Per la High Court, le norme sul secondary infringement presupporrebbero, quindi, l’esistenza di almeno un esemplare illecitamente riprodotto nel modello stesso; non possono essere estese fino a comprendere qualsiasi prodotto parametrico di un processo di addestramento che non incorpora alcuna copia dell’opera.
Due idee di “riproduzione” a confronto
La divergenza fra le due decisioni può essere sintetizzato attorno all’ampia nozione di riproduzione (“diretta o indiretta, temporanea o permanente, in qualunque modo o forma, in tutto o in parte”) dell’articolo 2 InfoSoc.
Nel caso GEMA, il Tribunale di Monaco applica questa nozione in senso spiccatamente funzionale: è sufficiente che l’opera sia fissata su un supporto anche in modo indiretto, non apprezzabile ma tale da consentirne la riemersione percettibile. Il modello, in quanto struttura di pesi, diventa un supporto di riproduzione perché, sollecitato da determinati prompt, genera testi che ripropongono l’opera in modo riconoscibile.
La High Court, invece, pur condividendo la stessa definizione InfoSoc, la utilizza in senso più tradizionale, anche in considerazione della specifica natura delle norme sul secondary infringement. In questo caso, la riproduzione resta legata all’esistenza di un esemplare in cui l’opera, o una sua parte, è fissata in quanto tale, anche se per breve tempo o in forma digitale. Il fatto che un oggetto digitale sia il frutto di riproduzioni illecite non implica automaticamente che esso integri esso stesso una riproduzione. La linea di confine viene tracciata tra il momento del training – in cui le immagini rientrano nella categoria degli atti di riproduzione – e il modello parametrico finale, che rimane fuori dall’area semantica di infringing copy.
Text & Data Mining: estensione o contenimento dell’eccezione
La differente concezione della riproduzione emerge in modo ancor più marcato nella valutazione dell’eccezione di Text & Data Mining. Il § 44b UrhG, che recepisce l’articolo 4 DSM, consente riproduzioni, anche permanenti, quando necessarie per eseguire TDM su opere cui il soggetto ha accesso legittimo, salvo riserva del titolare attraverso opt-out. Il Tribunale di Monaco riconosce che le riproduzioni funzionali alla predisposizione del corpus di training rientrano nell’eccezione, in quanto servono all’estrazione di informazioni e pattern dal materiale.
Tuttavia, la memorizzazione delle opere nei pesi, che consente al modello di rigenerare testi riconoscibili, viene considerata un passo ulteriore. In questa prospettiva, la riproduzione ammessa dall’articolo 4 DSM e dal § 44b UrhG è limitata alla sola “analisi” dell’opera, e non si estende alla sia cristallizzazione all’interno del modello. Quando la fissazione diventa strutturale e permette la riemersione dell’opera in output, si torna nel campo del diritto esclusivo. Ne consegue che, se la memorisation non è tecnicamente evitabile, il training di modelli su opere protette non può essere interamente giustificato dalla sola eccezione di TDM, ma richiede l’autorizzazione dell’avente diritto.
Il giudice tedesco affronta anche il tema degli strumenti di autodifesa dei titolari, ritenendo che il file robots.txt non sia mezzo idoneo a implementare un opt-out in senso opera-centrico conforme all’articolo 4 DSM e al § 44b UrhG. Viene evidenziata la mancanza di trasparenza sui dataset effettivamente utilizzati e l’asimmetria informativa che rende difficile per i titolari esercitare in modo effettivo la propria volontà di esclusione dal TDM.
Nel Regno Unito, l’assenza di recepimento della direttiva DSM fa sì che il giudice non ragioni in termini di TDM come categoria autonoma di eccezione al diritto d’autore. Tuttavia, il rifiuto di estendere la nozione di infringing copy alla semplice derivazione del modello da atti di riproduzione illecita svolge un ruolo di contenimento simile. L’estensione delle norme sul secondary infringement per colpire il modello viene respinta, lasciando chiaramente intendere che l’eventuale estensione della tutela ai prodotti del training richiederebbe un intervento legislativo specifico.
Output, comunicazione al pubblico e diritti morali
Tornando al caso tedesco, la qualificazione di riproduzione si estende coerentemente agli output. Gli output che restituiscono testi di canzone sono ritenuti riproduzioni ai sensi del § 16 UrhG e, quando veicolati tramite interfacce online, atti di messa a disposizione del pubblico ex § 19a UrhG. Il Tribunale considera inoltre tali output, ove trasformati rispetto all’originale, come opere derivate ai sensi del § 23 UrhG, nella misura in cui mantengono riconoscibile il nucleo creativo dei brani pur subendo varianti marginali.
Sul piano dei diritti morali, la corte tedesca valorizza il rischio che le modalità di generazione – influenzate da algoritmi di decoding e da scelte progettuali orientate alla diversificazione degli output – possano produrre anche una alterazione pregiudizievole dell’opera, e potenzialmente lesiva dell’integrità dell’opera.
Conclusioni e prospettive per il diritto italiano
Per l’ordinamento italiano, che ha recepito sia la direttiva InfoSoc sia la direttiva DSM, il confronto fra le due decisioni offre spunti significativi. L’articolo 13 della Legge 22 aprile 1941 n. 633 fornisce una definizione di riproduzione molto ampia: “il diritto esclusivo di riprodurre ha per oggetto la moltiplicazione in copie diretta o indiretta, temporanea o permanente, in tutto o in parte dell’opera, in qualunque modo o forma, come la copiatura a mano, la stampa, la litografia, l’incisione, la fotografia, la fonografia, la cinematografia ed ogni altro procedimento di riproduzione.”
Una simile definizione dovrebbe consentire, in astratto, un’estensione della nozione di riproduzione alla fissazione dell’opera nei pesi del modello, almeno nei casi in cui sia consentita la riemersione dell’opera in output in forma riconoscibile, rilevando che l’oggetto del diritto è segnatamente la moltiplicazione in copie. In questo senso, l’interpretazione dei giudici italiani non dovrebbe divergere da quella del Tribunale di Monaco.
Al tempo stesso, la scelta della High Court di mantenere la categoria di riproduzione ancorata all’esistenza di un esemplare nel quale l’opera risulti fissata in quanto tale propone un modello alternativo, tenuto in considerazione della diversa natura del secondary infringement che richiede la presenza di esemplari illecitamente riprodotti.
In ultima analisi, le due sentenze offrono due modelli interpretativi per declinare l’articolo 2 InfoSoc nell’era dei modelli generativi. Il diritto italiano, ben inserito nell’orbita InfoSoc/DSM, sarà probabilmente chiamato a collocarsi lungo questo spettro, con una consapevolezza fondamentale: la tecnica dei pesi, dell’ottimizzazione e della memorisation non è un dettaglio di sfondo, ma la premessa di fatto sulla quale si innesta oggi la definizione stessa di “riproduzione” delle opere nell’ambiente dell’intelligenza artificiale generativa.
Le sentenze sono disponibili ai seguenti link:
Gema v. OpenAI (LG München I, sentenza del 11 novembre 2025)
Getty Images et al v. Stability AI (High Court of England and Wales, sentenza del 4 novembre 2025)