Il 30 ottobre, OpenAI, Google, Microsoft e Anthropic hanno adottato un segnale comune nel file robots.txt per rifiutare l’addestramento dei modelli di IA. Questo meccanismo, che risponde a un’attesa dell’Europa, non prevede né ricevuta di ritorno né verifica del suo rispetto.
Una riga in robots.txt
Il file robots.txt permette a un sito di indicare ai robot cosa possono leggere. Il segnale descritto da Kevin Kelley, di Anthropic, in una bozza depositata all’IETF, l’organismo di normalizzazione di Internet, consiste nell’aggiungere un gruppo la cui intestazione porta il token __usage_ai-training, seguito da un Disallow. Non è necessaria alcuna nuova direttiva: gli strumenti di lettura già in servizio ignorano questo gruppo, come ogni agente sconosciuto. La preferenza può essere impostata per cartella, l’esempio nella bozza chiude l’intero sito tranne la cartella stampa. Senza questo gruppo, nessuna preferenza è espressa, cosa che Microsoft interpreta per default come un’autorizzazione.
Il token riguarda solo l’uso, e non l’accesso alle pagine. Copre l’addestramento, cioè la modifica dei parametri di un modello generativo, ma non il grounding, ovvero la consultazione di una pagina nel momento in cui l’assistente risponde. OpenAI parla dei prossimi mesi, Microsoft del 1° febbraio 2027 e Google del 2027 per l’applicazione di questo segnale. Meta ha apprezzato l’idea senza impegnarsi.
Cosa chiedeva il diritto europeo
La direttiva del 2019 sul diritto d’autore permette ai titolari di riservare i propri diritti contro l’estrazione di testi e dati, a condizione di farlo « in modo appropriato », in particolare tramite procedure leggibili dalla macchina. L’AI Act, al suo articolo 53, chiede ai fornitori di modelli di IA a uso generale di rispettare queste riserve « anche mediante tecnologie all’avanguardia ». Il codice di buone pratiche, firmato da 22 aziende tra cui i quattro autori dell’annuncio, cita robots.txt « e ogni versione successiva », prima di altri protocolli da identificare.
Il 3 novembre, l’avvocato generale Maciej Szpunar, primo avvocato generale alla Corte di giustizia dell’Unione europea, ha presentato le sue conclusioni nel caso Like Company contro Google. Il suo parere non vincola i giudici. Ritiene che l’addestramento su contenuti accessibili legalmente rientri in linea di massima nell’eccezione di estrazione, e che una riserva sia appropriata se i robot allo stato dell’arte possono comprenderla con un’affidabilità sufficiente. Cita robots.txt, Google-Extended e i metadati di un file, la normalizzazione essendo, secondo lui, in corso e destinata a concludersi « con ogni probabilità ».
Da parte sua, la Commissione europea ha consultato, dal 1° dicembre 2025 al 23 gennaio 2026, su sette protocolli diversi da robots.txt. Al 4 novembre, nessun elenco era stato pubblicato. Il suo rapporto rileva la preoccupazione dei fornitori di modelli che la consultazione « avalli prematuramente soluzioni immature ». Google ritiene, nel suo post, che la proposta sia « coerente con il codice di buone pratiche dell’UE ».
Cosa la riga non risolve
Il token rimane, secondo le parole della bozza, una preferenza. Il rapporto della Commissione rileva che « non è possibile verificare che una riserva sia stata rispettata ». Il PEReN, polo di competenza dello Stato sulla regolazione digitale, descriveva nel luglio 2025 un sistema « di fiducia », dove il robot si auto-dichiara. L’avvocato generale osserva che i titolari non hanno i mezzi per assicurarsi del rispetto dei loro rifiuti, e che alcuni elementi mostrano che alcuni sviluppatori li ignorano.
Nel maggio 2024, OpenAI aveva promesso uno strumento che permettesse ai creatori di rifiutare l’addestramento « entro il 2025 ». Secondo la fonte, non ha mai visto la luce. In Francia, secondo una interrogazione scritta pubblicata nel giugno 2026, la SACEM, la SACD e la SCAM notificano la loro opposizione a centinaia di fornitori dall’ottobre 2023, « per la maggior parte » senza risposta.
Le conclusioni dell’avvocato generale distinguono inoltre il caso del chatbot che legge una pagina al momento di rispondere. Il criterio proposto è allora l’accesso illecito, in particolare l’aggiramento di misure tecniche efficaci. Egli nota che robots.txt non impedisce tecnicamente nulla. Infine, la riga copre solo l’addestramento, le copie già realizzate restano nei modelli, e Google la interpreta come un blocco di Google-Extended, il che rimuove anche il sito dalle risposte di Gemini, mentre Microsoft separa le due scelte. La Commissione deve concludere la sua consultazione sul diritto d’autore e l’IA il 10 novembre, e pubblicare la sua lista di protocolli.
