Informatica Libera - Francesco Galgani's Blog

La scienza dovrebbe essere il contrario del dogma: non un sistema che distribuisce verità, ma un metodo che organizza il dubbio, rende controllabili le affermazioni e permette agli altri di dimostrare che abbiamo torto. Eppure una parte importante della ricerca contemporanea ha costruito un sistema di pubblicazione e di carriera capace di premiare proprio ciò che dovrebbe temere: risultati spettacolari, conclusioni nette, quantità di articoli, prestigio editoriale e successo professionale. Il risultato non è soltanto una “crisi di fiducia”. Sono stati documentati studi non replicabili, dati manipolati, articoli ritrattati dopo anni, risultati falsificati, revisioni della letteratura contaminate e perfino un mercato internazionale della compravendita di firme su pubblicazioni scientifiche.

Indice

• Realtà, osservazione e verità
• Le accuse dall'interno della grande editoria scientifica
  • Richard Horton, The Lancet (2015)
  • Marcia Angell, New England Journal of Medicine (2009)
  • Richard Smith, British Medical Journal (2005)
• È un problema soltanto della medicina?
• Che cosa dovrebbe significare fare scienza
• Scienza, religione dogmatica e dubbio
• Riproducibilità e replicabilità
• I limiti della peer review
• Gli incentivi della carriera scientifica
• Registered Reports (2021)
• Indagine Nature sulla riproducibilità (2016)
• Le repliche in psicologia (2015)
• Amgen e la ricerca sul cancro (2012)
• Reproducibility Project: Cancer Biology (2021)
• Falsificazione e pratiche discutibili: Fanelli (2009)
• Che cosa significa “ritrattato”
• Oltre 10.000 ritrattazioni (2023)
• Il caso Alzheimer (2006–2024)
• Il caso Ranga Dias (2024)
• Il caso Dana-Farber (2024)
• Paper mills e mercato delle firme (2026)
• Il falso dopo la ritrattazione (2025)
• Una scienza che ha contribuito a screditare se stessa
• “Lo dice la scienza”
• Come valutare la fiducia in una ricerca
• La scienza di cui abbiamo bisogno
• Conclusione: ostacoli alla scienza partecipata e alla diffusione della conoscenza
• Alcuni miei articoli collegati
• Fonti principali

Prima di tutto: realtà, osservazione e verità

Prima di entrare nel problema della ricerca scientifica, voglio chiarire il punto da cui parto.

Non considero sensato immaginare un osservatore completamente indipendente dall'evento osservato.

Ogni osservazione avviene dentro una relazione. Chi osserva si trova in un certo luogo, usa certi strumenti, possiede determinati concetti, formula certe domande e non altre, decide che cosa misurare e con quale precisione. Anche lo strumento di misura entra fisicamente nel processo che produce il dato. Non esiste un occhio disincarnato collocato fuori dall'universo.

Questa idea non appartiene soltanto alla filosofia. Una delle interpretazioni contemporanee della meccanica quantistica, la meccanica quantistica relazionale sviluppata da Carlo Rovelli, rifiuta proprio l'idea che le proprietà fisiche debbano essere pensate come valori assoluti posseduti da un sistema indipendentemente dalle interazioni. Nel lavoro originario del 1996, Rovelli propone di abbandonare la nozione di uno stato fisico assoluto del sistema indipendente dall'osservatore. Questo non significa che tutte le interpretazioni della fisica quantistica dicano la stessa cosa; significa che perfino nella fisica fondamentale l'immagine ingenua di un osservatore totalmente separato da ciò che osserva non può essere data per scontata.

Nel mio articolo “L'illusione di conoscere la realtà” avevo già affrontato questo problema: ciò che chiamiamo realtà conosciuta è sempre realtà percepita, misurata, organizzata e interpretata attraverso una relazione.

Da qui segue una seconda distinzione, altrettanto importante.

La realtà e la verità non sono la stessa cosa.

Un sasso non è vero o falso. La frase “questo sasso pesa due chilogrammi, in queste condizioni” può essere giudicata vera o falsa.

Un dolore non è vero o falso per chi lo prova. Una spiegazione sulla causa di quel dolore può essere corretta, sbagliata, incompleta o indimostrata.

La realtà è ciò con cui entriamo in relazione. La verità è un giudizio che formuliamo su una descrizione della realtà.

Il problema nasce quando dimentichiamo questa differenza. La mappa diventa il territorio. Il modello diventa il fenomeno. L'interpretazione diventa il fatto. E una conclusione ottenuta da un particolare studio, in particolari condizioni, viene trasformata in quella contraddizione linguistica che chiamiamo “verità scientifica”.

Il problema viene denunciato dall'interno della grande editoria scientifica

Prima di discutere che cosa dovrebbe essere la scienza, vale la pena ascoltare chi per anni ha diretto alcune delle più prestigiose riviste mediche del mondo.

Non sto iniziando da critici marginali dell'accademia, da persone etichettabili sbrigativamente come “antiscientifiche” o da avversari della medicina. Sto parlando di figure che sono state al centro del sistema attraverso cui la ricerca medica viene selezionata, sottoposta a revisione e trasformata in letteratura scientifica ufficiale.

Richard Horton, direttore di The Lancet (2015)

Richard Horton, editor-in-chief di The Lancet, nel 2015 scrisse un commento dal titolo “Offline: What is medicine's 5 sigma?” («Offline: che cos'è il 5 sigma della medicina?»). La frase che è rimasta famosa è questa:

“Much of the scientific literature, perhaps half, may simply be untrue.”

Tradotto: Gran parte della letteratura scientifica, forse la metà, potrebbe semplicemente non essere vera.

Horton non si limitava a denunciare errori casuali. Indicava campioni troppo piccoli, effetti minuscoli, analisi esplorative non valide, conflitti d'interesse evidenti, inseguimento delle mode e comportamenti con cui i ricercatori adattano i dati alla teoria preferita oppure costruiscono a posteriori la teoria più adatta ai dati. Arrivava a scrivere che la scienza aveva preso una “direzione verso l'oscurità”. Il testo e il contesto di queste affermazioni sono riportati anche in una discussione contemporanea su PubMed Central.

Marcia Angell, ex direttrice del New England Journal of Medicine (2009)

Marcia Angell ha lavorato per circa vent'anni nella redazione del New England Journal of Medicine ed è stata editor-in-chief della rivista. Nel 2009, discutendo i rapporti fra industria farmaceutica, ricercatori e pubblicazioni, scrisse sulla New York Review of Books:

“It is simply no longer possible to believe much of the clinical research that is published.”

Ovvero: Non è semplicemente più possibile credere a gran parte della ricerca clinica pubblicata.

Angell aggiungeva che non riteneva più possibile affidarsi automaticamente neppure al giudizio di medici autorevoli o a linee guida considerate indiscutibili, e specificava di essere arrivata a questa conclusione lentamente e controvoglia durante i suoi due decenni di lavoro editoriale.

Richard Smith, ex direttore del British Medical Journal (2005)

Richard Smith lavorò al British Medical Journal per 25 anni; negli ultimi 13 ne fu editor e responsabile del BMJ Publishing Group. Nel 2005 pubblicò su PLOS Medicine un articolo il cui titolo non lascia molto spazio alla diplomazia: “Medical Journals Are an Extension of the Marketing Arm of Pharmaceutical Companies” («Le riviste mediche sono un'estensione del braccio di marketing delle aziende farmaceutiche»).

Smith spiegava in dettaglio un meccanismo perverso: uno studio clinico favorevole pubblicato su una grande rivista non è soltanto informazione scientifica. Diventa anche uno straordinario strumento di marketing. Il nome della rivista gli conferisce prestigio, i risultati possono essere rilanciati dai media e l'azienda può acquistare grandi quantità di ristampe da distribuire ai medici. Smith sottolineava inoltre che le riviste stesse possono trarre introiti importanti da queste ristampe.

Nel medesimo articolo ricordava l'espressione usata da Horton per descrivere alcune dinamiche dell'editoria medica: “Information laundering operations”, cioè operazioni di riciclaggio dell'informazione.

Smith scriveva anche una cosa particolarmente importante: le aziende non hanno necessariamente bisogno di falsificare brutalmente i dati. Possono ottenere risultati favorevoli scegliendo opportunamente le domande, i confronti, le dosi, gli esiti da privilegiare e le strategie di pubblicazione. E concludeva che la peer review non risolve automaticamente il problema.

Quando Horton, Angell e Smith descrivono in questi termini la ricerca e l'editoria medica, non siamo davanti a un attacco esterno alla scienza. Siamo davanti a un'accusa proveniente da persone che hanno diretto il cuore stesso dell'editoria scientifica internazionale.

Stiamo parlando soltanto della medicina?

Qui è necessario essere molto chiari, perché una critica seria non deve confondere discipline diverse.

Una parte consistente dei casi più gravi e dei dati più impressionanti riguarda la medicina e la biomedicina. Horton, Angell e Smith parlano soprattutto di medicina. Amgen, gli studi oncologici, il Dana-Farber e molti esempi di manipolazione che vedremo vengono dalla ricerca biomedica.

Sarebbe quindi scorretto prendere una percentuale osservata in oncologia e applicarla automaticamente all'astrofisica, alla geologia o alla fisica atomica.

Ma sarebbe altrettanto scorretto concludere che il problema appartenga soltanto alla medicina.

La National Academies of Sciences, Engineering, and Medicine, nel grande rapporto del 2019 su riproducibilità e replicabilità, tratta il problema come una questione che attraversa scienze e ingegneria. Le difficoltà, le possibilità di replica e persino il significato concreto di “replicare” cambiano però molto da disciplina a disciplina.

Nelle scienze sociali, una review sistematica del 2021 ha confrontato management, psicologia ed economia. Ha trovato forti differenze fra discipline, ma problemi comuni: repliche rare, trasparenza di metodi e dati spesso insufficiente e strutture di incentivo che premiano la novità molto più della verifica del lavoro precedente.

Nell'informatica e nel machine learning, un editoriale di Nature Computational Science parla esplicitamente di una “Reproducibility crisis” («Crisi di riproducibilità») dovuta anche alla scarsa trasparenza su raccolta e preparazione dei dati, selezione dei modelli e addestramento.

Nelle scienze dei materiali e nella fisica della materia condensata, l'editoriale “Trust but verify” («Fidati, ma verifica») di Nature Materials afferma esplicitamente che le preoccupazioni sulla riproducibilità riguardano anche le scienze della vita e le scienze fisiche, con cause che vanno dagli errori onesti alla manipolazione dei dati.

Nel 2025 Nature Reviews Physics ha pubblicato un commento intitolato “Replicability and the evolution of scientific norms” («Replicabilità ed evoluzione delle norme scientifiche»), che parla esplicitamente della necessità di evitare una crisi di replicabilità in fisica. Nello stesso anno, una raccomandazione dedicata ai materiali bidimensionali ha descritto grandi difficoltà nell'ottenere risultati coerenti e riproducibili, individuando anche una cultura che attribuisce più valore alla novità che alla riproducibilità.

il sistema contemporaneo di produzione e pubblicazione della ricerca contiene incentivi e meccanismi di controllo che, in discipline diverse, hanno consentito la pubblicazione e la permanenza nella letteratura di risultati falsi, manipolati, non riproducibili o semplicemente non verificabili.

Che cosa dovrebbe significare “fare scienza”

Dopo queste amare constatazioni, conviene tornare alla domanda più semplice: che cosa dovrebbe essere la scienza?

Il riferimento storico più immediato è Galileo.

Non perché Galileo ci abbia consegnato l'algoritmo scolastico “osservazione, ipotesi, esperimento, legge”, ma perché rappresenta un cambiamento radicale nel rapporto con l'autorità. La Stanford Encyclopedia of Philosophy ricostruisce il suo uso congiunto di matematica, esperimenti, misure, strumenti, idealizzazioni ed esperimenti mentali.

Il punto che mi interessa è più semplice: non basta che un'autorità abbia parlato. Bisogna tornare al fenomeno.

Non basta che lo abbia detto Aristotele. Oggi diremmo: non basta che lo abbia detto un professore; non basta che una commissione abbia votato; non basta che l'articolo sia stato pubblicato; non basta che la rivista sia prestigiosa; non basta che la maggioranza sia d'accordo.

Bisogna poter chiedere: come lo sai? Quali sono i dati? Come sono stati raccolti? Quali ipotesi sono state fatte? Quali risultati contrari sono emersi? Altri gruppi hanno rifatto l'esperimento? Che cosa potrebbe dimostrare che la conclusione è sbagliata?

Scienza e religione dogmatica: la differenza è il dubbio

Qui vedo una differenza essenziale fra scienza e religione dogmatica.

La religione dogmatica parte da una verità che deve essere accettata.

La scienza parte da un dubbio che deve poter rimanere aperto.

Una verità rivelata costituisce un punto fermo: metterla radicalmente in discussione significa uscire da quella struttura di fede.

Una conclusione scientifica dovrebbe funzionare al contrario. Deve poter essere contestata, controllata, corretta e, se i dati lo impongono, abbandonata.

La religione dogmatica può dire: “Questa è la verità”. La scienza dovrebbe dire: “Questa è la spiegazione che, fino a questo momento, ha resistito meglio ai controlli; proviamo a trovare dove sbaglia”.

La filosofia contemporanea della scienza è molto più complessa di una singola regola universale, ma il punto popperiano resta illuminante: una teoria scientifica deve esporsi al rischio della confutazione.

Per questo considero l'espressione “verità scientifica” pericolosa. Quando una conclusione viene sottratta alla discussione perché “lo dice la scienza”, il metodo scientifico è stato sostituito da un principio di autorità.

Riproducibilità e replicabilità: la prova che deve poter essere rifatta

Le National Academies distinguono utilmente due concetti.

Riproducibilità: usando gli stessi dati e gli stessi procedimenti analitici, un altro ricercatore riesce a ottenere lo stesso risultato?

Replicabilità: raccogliendo nuovi dati e affrontando nuovamente la stessa domanda, un altro gruppo ottiene un risultato coerente?

Se pubblico un'analisi e nessuno riesce neppure a ricostruire i miei calcoli, il problema nasce prima ancora della replica. Se i calcoli sono ricostruibili ma un nuovo esperimento non ritrova il fenomeno, abbiamo un problema diverso. E se dati, codice, protocolli o dettagli sperimentali non sono disponibili, la ricerca può essere formalmente pubblicata e contemporaneamente essere praticamente incontrollabile.

Un risultato non replicato non equivale automaticamente a una frode. Può essere falso, instabile, troppo dipendente dal contesto, descritto male o semplicemente ottenuto per una combinazione contingente di fattori. Ma dal punto di vista dell'uso della conoscenza c'è un fatto che conta: un risultato che nessuno riesce a verificare o ritrovare non può avere lo stesso peso di un risultato confermato ripetutamente da gruppi indipendenti.

La peer review non è un certificato di verità

Un'altra parola che viene usata quasi magicamente è peer review, la revisione tra pari.

Prima della pubblicazione, altri ricercatori del settore leggono il manoscritto e ne valutano metodo, argomentazioni e risultati. È un filtro utile.

Ma normalmente il revisore non rifà l'esperimento. Non entra nel laboratorio. Non ricostruisce ogni immagine. Non controlla ogni dato grezzo. Non sa necessariamente quali prove siano state eseguite e poi scartate. E se il manoscritto racconta in modo convincente una storia falsa costruita con dati manipolati, la peer review può non accorgersene.

Richard Smith lo scriveva già chiaramente nel suo articolo del 2005.

“Peer reviewed” («Sottoposto a revisione paritaria») significa che un articolo ha superato un certo processo editoriale. Non significa “vero”.

Il problema più profondo: la scienza ideale e la carriera reale premiano cose diverse

Il ricercatore ideale dovrebbe essere premiato quando scopre che la propria ipotesi era sbagliata. Ha eliminato un errore, quindi ha prodotto conoscenza.

Il ricercatore reale deve però sopravvivere in un sistema fatto di contratti, finanziamenti, promozioni, concorsi, pubblicazioni e citazioni.

Una replica può essere scientificamente importantissima e professionalmente poco interessante. Un risultato negativo può impedire a cento laboratori di perdere tempo, ma può essere considerato poco attraente da una rivista. Un risultato nuovo, spettacolare, semplice da raccontare e apparentemente definitivo può invece produrre una pubblicazione prestigiosa, citazioni, finanziamenti e carriera.

Il sistema dichiara di voler conoscere la realtà, ma spesso premia chi produce la storia più pubblicabile.

Nel 2025 un'analisi pubblicata sui Proceedings of the National Academy of Sciences ha descritto esplicitamente questa contraddizione. La pubblicazione accademica serve contemporaneamente a diffondere conoscenza e a distribuire prestigio professionale. La seconda funzione incentiva ricercatori e istituzioni a massimizzare pubblicazioni, citazioni e collocazione in riviste prestigiose. Gli autori parlano di una vera e propria “Academic prestige economy”, cioè un'economia del prestigio accademico.

Gli indicatori bibliometrici, come l'Impact Factor, sono misure basate sulle citazioni associate alle riviste. Possono avere un uso descrittivo, ma diventano tossici quando il prestigio medio di una rivista viene usato come scorciatoia per giudicare la qualità di un singolo lavoro o perfino il valore di una persona.

Nel gennaio 2026 Tamarinde Haven e John Ioannidis hanno pubblicato sull'Annual Review of Medicine una review dal titolo “Reproducibility Failure in Biomedical Research: Problems and Solutions” («Fallimento della riproducibilità nella ricerca biomedica: problemi e soluzioni»). Gli autori constatano che le preoccupazioni sulla riproducibilità persistono da oltre un decennio, che le valutazioni su larga scala continuano a mostrare difficoltà significative e che le risposte istituzionali rimangono incoerenti.

Stiamo descrivendo incentivi strutturali che possono rendere professionalmente conveniente produrre esattamente il tipo di letteratura che il metodo scientifico dovrebbe trattare con maggiore sospetto.

Quando si decide di pubblicare prima di sapere se il risultato “piace” (2021)

Una prova molto interessante dell'importanza degli incentivi viene dai Registered Reports.

Il principio è semplice. Prima di conoscere il risultato, il ricercatore presenta domanda, metodo e piano di analisi. La rivista decide se lo studio è scientificamente sensato. Se lo accetta in linea di principio, il fatto che il risultato finale confermi oppure no l'ipotesi non dovrebbe determinare la pubblicazione.

Nel 2021 Anne Scheel, Mitchell Schijen e Daniël Lakens confrontarono Registered Reports e studi pubblicati nel modo tradizionale.

Fra gli studi tradizionali esaminati, circa il 96% riportava un risultato positivo per l'ipotesi principale. Fra i Registered Reports, circa il 44%.

Novantasei contro quarantaquattro.

Non serve una lezione di statistica per capire il messaggio. Quando la pubblicazione viene decisa dopo aver visto se il risultato è “bello”, quasi tutto ciò che appare in letteratura sembra funzionare. Quando la pubblicabilità viene decisa prima, ricompaiono in massa gli insuccessi e le ipotesi non confermate.

Il sistema tradizionale non si limita a raccontare la realtà. La seleziona.

Nature (2016): la mancata riproduzione è esperienza comune

Nel mio articolo “Alla ricerca della scienza...” avevo già richiamato una grande indagine di Nature.

Nel 2016 Nature intervistò 1.576 ricercatori.

• oltre il 70% dichiarò di avere tentato almeno una volta, senza riuscirci, di riprodurre un esperimento di altri;
• più della metà dichiarò di non essere riuscita almeno una volta a riprodurre un proprio esperimento;
• il 52% riteneva che esistesse una significativa crisi di riproducibilità.

Il 70% non significa che “il 70% di tutti gli articoli è falso”. Significa qualcosa di diverso e comunque devastante: più di sette ricercatori su dieci avevano sperimentato personalmente almeno un fallimento nel tentativo di riprodurre il risultato di qualcun altro.

Psicologia (2015): cento studi rimessi alla prova

Nel 2015 la Open Science Collaboration cercò di replicare 100 studi di psicologia pubblicati su importanti riviste.

Negli articoli originali, il 97% dei risultati aveva superato il criterio statistico convenzionale usato dagli autori per considerarli positivi. Nelle repliche, la stessa cosa avvenne nel 36% dei casi. Gli effetti misurati nelle repliche risultarono mediamente molto più piccoli; secondo un'altra valutazione impiegata dal progetto, soltanto il 39% dei risultati venne giudicato una replica riuscita.

Quando cento risultati pubblicati vengono rimessi alla prova, la letteratura originale appare molto più pulita, forte e convincente della realtà osservata nelle repliche.

Ricerca sul cancro (2012): 6 risultati confermati su 53

Nel 2012 Glenn Begley e Lee Ellis descrissero su Nature l'esperienza maturata nel tentativo di verificare importanti risultati di ricerca preclinica sul cancro.

Il gruppo Amgen aveva selezionato 53 studi considerati particolarmente interessanti per possibili sviluppi terapeutici. I risultati principali furono confermati in 6 casi su 53.

Questi 53 studi non rappresentavano tutta l'oncologia. Erano una selezione di lavori considerati abbastanza importanti da giustificare tentativi industriali di replica.

Ed è precisamente questo che rende il risultato grave, non meno grave.

Cancer Biology (2021): in molti casi non c'erano neppure le informazioni per rifare l'esperimento

Il Reproducibility Project: Cancer Biology voleva inizialmente ripetere 193 esperimenti appartenenti a 53 articoli ad alto impatto. Come documentato su eLife, riuscì a ripeterne soltanto 50 appartenenti a 23 articoli.

Le informazioni pubblicamente disponibili necessarie per progettare correttamente le repliche erano presenti soltanto per 4 esperimenti su 193. Anche dopo avere contattato gli autori originali, per circa il 68% degli esperimenti non fu possibile ottenere tutti i dati necessari. E nessuno dei 193 esperimenti era descritto nell'articolo originale con dettaglio sufficiente da permettere di costruire direttamente un protocollo completo di replica senza chiedere ulteriori chiarimenti.

Che cosa significa “è stato scientificamente dimostrato” se l'articolo non descrive nemmeno in modo sufficiente ciò che è stato fatto perché qualcun altro possa rifarlo?

Nell'analisi finale del progetto, pubblicata su eLife, gli effetti positivi osservati nelle repliche risultarono molto più piccoli di quelli originali: la grandezza mediana dell'effetto era inferiore di circa l'85%, e nel 92% dei casi l'effetto replicato era più piccolo dell'originale.

Quando non si tratta più di errore: i ricercatori ammettono manipolazioni (2009)

Nel 2009 Daniele Fanelli pubblicò su PLOS ONE una meta-analisi delle indagini nelle quali gli scienziati erano stati interrogati sui comportamenti scorretti propri o dei colleghi.

• 1,97% ammise di avere almeno una volta fabbricato, falsificato o modificato dati o risultati;
• fino al 33,7% ammise altre pratiche di ricerca discutibili;
• quando la domanda riguardava i colleghi, il 14,12% riferiva casi di falsificazione;
• fino al 72% riferiva altre pratiche discutibili compiute da colleghi.

Queste percentuali provengono da indagini e domande differenti e non devono essere sommate.

Quasi il 2% che confessa direttamente falsificazione o fabbricazione di dati è già un dato enorme in un sistema che produce milioni di articoli. E quando un terzo ammette altre pratiche discutibili, il problema smette definitivamente di poter essere raccontato come l'eccezione del singolo truffatore.

Che cosa significa “articolo ritrattato”

Un articolo ritrattato (retracted) è un lavoro che la rivista segnala formalmente come non più affidabile o non più utilizzabile come normale parte della letteratura scientifica.

Non significa necessariamente che gli autori abbiano deciso spontaneamente di ritirarlo.

Secondo le linee guida del Committee on Publication Ethics (COPE), una ritrattazione può essere promossa dagli autori, dagli editor o dall'editore e può avvenire anche quando uno o più autori non sono d'accordo. Di norma il testo non viene cancellato: rimane accessibile ma chiaramente marcato come ritrattato.

Più di 10.000 ritrattazioni in un anno (2023)

Nel 2023 il numero di articoli scientifici ritrattati in un solo anno ha superato per la prima volta quota 10.000, come documentato da Nature.

La ritrattazione dimostra che un sistema di correzione esiste. Ma dimostra anche qualcos'altro: prima della ritrattazione quegli articoli erano entrati nella letteratura scientifica. Erano pubblicati, molti erano peer reviewed, potevano essere citati e potevano entrare in review, meta-analisi e nuove ricerche.

Alzheimer: dal 2006 alla ritrattazione del 2024

Un caso particolarmente istruttivo riguarda l'articolo del 2006 “A specific amyloid-β protein assembly in the brain impairs memory” («Uno specifico aggregato proteico amiloide-β nel cervello compromette la memoria»), pubblicato su Nature.

Il 24 giugno 2024 Nature pubblicò la nota di ritrattazione. La rivista segnalò problemi nelle figure, compresi segni di manipolazione eccessiva, duplicazione, splicing e uso di uno strumento di cancellazione; i dati non potevano essere verificati attraverso i registri disponibili.

Sei autori accettarono la ritrattazione. Sylvain Lesné si oppose. Un altro autore non rispose alla corrispondenza degli editor.

Il prestigio della rivista non ha trasformato immagini manipolate in dati affidabili.

Ranga Dias (2024): superconduttività, Nature, poi falsificazione e fabbricazione

Il caso del fisico Ranga Dias è utile anche per capire che non stiamo parlando soltanto di medicina.

Dias divenne famoso per lavori clamorosi sulla superconduttività ad alte temperature pubblicati anche su Nature. Nel 2024, un'indagine dell'Università di Rochester concluse che vi erano stati casi di fabbricazione dei dati, falsificazione e plagio, come riportato da Nature.

Dana-Farber (2024): decine di lavori da correggere o ritirare

Nel gennaio 2024 il Dana-Farber Cancer Institute annunciò di voler richiedere la ritrattazione di 6 articoli e correzioni per altri 31, dopo segnalazioni riguardanti problemi nelle immagini. La vicenda è stata ricostruita da Nature.

Non ogni problema grafico equivale automaticamente a frode deliberata. Ma quei lavori avevano superato il normale sistema editoriale: è un altro esempio concreto dei limiti dei controlli che precedono la pubblicazione.

Le paper mills (2026): la frode scientifica diventa industria

Le cosiddette paper mills sono organizzazioni che vendono servizi di frode accademica: manoscritti, dati, immagini, citazioni o posti da autore in articoli destinati alla pubblicazione.

Nel 2026 Reese Richardson, Spencer Hong e Anna Abalkina hanno messo insieme BuyTheBy, un grande dataset strutturato di annunci di paper mills, diffuso come preprint.

• 18.710 annunci;
• provenienti da 7 attività operanti in 7 paesi;
• 15.839 annunci contenenti prezzi;
• oltre 20.000 posizioni messe in vendita su migliaia di prodotti accademici.

L'indagine è stata raccontata nell'aprile 2026 anche da Science.

Ma gli annunci raccolti esistono. Esiste il mercato. Esiste la compravendita di posizioni di autore.

La frode scientifica non è più soltanto il comportamento clandestino di un ricercatore isolato: può essere acquistata come un servizio commerciale.

Perché esiste questo mercato? Perché pubblicare vale carriera. Perché una firma su un articolo vale prestigio. Perché il numero delle pubblicazioni viene usato come moneta accademica.

Se il sistema premia il numero, qualcuno venderà il numero.

Il falso continua a vivere anche dopo la ritrattazione (2025)

Nel 2025 uno studio pubblicato su JAMA Network Open ha analizzato 200.000 revisioni sistematiche nelle scienze della vita, pubblicate fra il 2013 e il 2024.

Lo 0,15% aveva incorporato nella sintesi delle evidenze almeno un articolo successivamente ritrattato e collegato a paper mills. La percentuale assoluta è piccola, ma lo studio ha trovato 124 citazioni avvenute dopo la ritrattazione; in 13 casi, oltre 500 giorni dopo.

Un articolo falso non muore automaticamente quando viene ritrattato.

Un'altra ricerca, pubblicata nel 2025 su JAMA Internal Medicine, ha studiato meta-analisi che comprendevano articoli successivamente ritrattati.

Eliminando gli studi ritrattati, per gli esiti principali la stima dell'effetto cambiava:

• di almeno il 10% nel 42% delle meta-analisi;
• di almeno il 30% nel 25%;
• di almeno il 50% nel 19%.

Il falso ha una discendenza bibliografica.

Una scienza che ha contribuito a screditare se stessa

A questo punto è evidente che una parte della scienza istituzionale ha contribuito a screditare se stessa.

Non perché la scienza sbagli. Sbagliare è inevitabile. Una scienza incapace di sbagliare sarebbe una religione, non una scienza.

Il discredito nasce quando il sistema pretende un livello di fiducia superiore a quello che i propri meccanismi di controllo possono giustificare: quando “peer reviewed” viene tradotto culturalmente in “vero”, il prestigio della rivista sostituisce l'analisi del contenuto, la carriera premia chi pubblica molto e presto più di chi replica, i risultati nulli scompaiono mentre quelli positivi vengono pubblicati, i dati non sono disponibili, articoli manipolati restano per anni nella letteratura e perfino una firma può essere comprata.

E soprattutto nasce quando, nonostante tutto questo, qualcuno usa la formula “lo dice la scienza” per chiudere una discussione.

“Lo dice la scienza” è il contrario del metodo scientifico

Se qualcuno mi dice “lo dice la scienza”, la mia risposta è: quale ricerca?

Chi l'ha condotta? Come? Con quali dati? I dati sono accessibili? Il metodo è descritto abbastanza bene da poter essere controllato? Altri gruppi hanno ottenuto lo stesso risultato? Esistono studi contrari? Chi ha finanziato il lavoro? Ci sono conflitti d'interesse? Ci sono correzioni o ritrattazioni?

Queste domande non sono un attacco alla scienza.

Queste domande sono la scienza.

Non serve “credere nella scienza”

La conclusione non è che tutti gli articoli siano falsi.

La conclusione è che un articolo non merita fiducia semplicemente perché esiste.

Non serve credere nella scienza come si crede in una dottrina. Serve valutare quanto una particolare affermazione sia sostenuta.

La fiducia aumenta quando gruppi indipendenti ottengono risultati compatibili, metodi e protocolli sono descritti chiaramente, dati e codice sono disponibili quando possibile, gli studi contrari vengono pubblicati, le repliche sono frequenti, metodi differenti convergono verso lo stesso fenomeno e gli errori vengono corretti rapidamente e pubblicamente.

La fiducia diminuisce quando il dato non è accessibile, il metodo non è ricostruibile, le repliche falliscono, le immagini risultano manipolate, l'interesse economico è enorme e poco trasparente, esistono soltanto risultati positivi o la critica viene trattata come eresia.

La scienza di cui abbiamo bisogno

La scienza che vorrei non è una scienza che promette di avere sempre ragione.

È una scienza nella quale avere torto non distrugge la carriera e nascondere l'errore non conviene.

Una scienza nella quale replicare un risultato importante dia prestigio quanto pubblicarlo per primi.

Una scienza nella quale un risultato negativo sia informazione, non spazzatura editoriale.

Una scienza nella quale i dati siano accessibili ogni volta che ragioni etiche e legali lo consentono.

Una scienza nella quale le riviste siano strumenti di comunicazione e critica, non tribunali che trasformano un manoscritto in verità.

Una scienza nella quale “non lo sappiamo” venga considerato più serio di una certezza costruita per ottenere attenzione.

Una scienza che dica:

“Questo è ciò che abbiamo osservato. Questi sono i dati. Questo è il metodo. Questi sono i limiti. Ora provate a dimostrare che abbiamo torto.”

Conclusione: ostacoli alla scienza partecipata e alla diffusione della conoscenza

La realtà non ha alcun obbligo di conformarsi alle nostre teorie, alle nostre aspettative, alle nostre carriere, ai nostri finanziamenti o agli interessi economici delle istituzioni che producono ricerca.

Per questo il dubbio non è un difetto della scienza.

Il dubbio è la sua dignità.

Una scienza seria non dovrebbe chiedere di essere creduta perché parla attraverso un professore, un'università prestigiosa, una grande rivista o una commissione di esperti. Dovrebbe mostrare come è arrivata alle proprie conclusioni e mettere chiunque abbia le competenze necessarie nelle condizioni di controllarle.

Se il metodo scientifico consiste nel produrre argomenti, osservazioni, esperimenti e dati controllabili, allora non vedo alcuna ragione epistemologica per cui il diritto di partecipare a questo processo debba appartenere esclusivamente a una élite accademica.

Un dottorato di ricerca può dimostrare che una persona ha seguito un determinato percorso di formazione. Può essere utile. Può fornire competenze importanti. Ma non rende vera una frase, non rende corretto un esperimento e non rende falso ciò che viene sostenuto da chi quel titolo non possiede.

Formalmente molte riviste non richiedono affatto un PhD per presentare un articolo. Nella pratica, però, chi lavora fuori dall'università può incontrare barriere legate all'affiliazione istituzionale, alle credenziali, ai costi, all'accesso alle risorse e agli stessi sistemi editoriali. Il problema è stato descritto esplicitamente nell'articolo del 2022 “Barriers to Citizen Science and Dissemination of Knowledge in Healthcare”, dedicato proprio agli ostacoli incontrati dai ricercatori indipendenti e dai cittadini che partecipano direttamente alla ricerca scientifica.

Esiste poi un problema ancora più imbarazzante: il prestigio personale può modificare il giudizio dato allo stesso lavoro scientifico.

Uno studio pubblicato nel 2022 sui Proceedings of the National Academy of Sciences sottopose sostanzialmente lo stesso lavoro a revisori diversi modificando l'identità dell'autore mostrata. Quando compariva il nome di un premio Nobel, più del 20% dei revisori raccomandava l'accettazione; quando compariva quello di un ricercatore poco conosciuto, meno del 2%.

Stesso lavoro. Diverso prestigio. Giudizio radicalmente diverso.

Il fenomeno non è nuovo. Già nel 1968 Robert K. Merton lo descrisse su Science con il nome di “Matthew Effect”: chi possiede già reputazione, posizione e prestigio tende a ricevere più credito anche a parità di contributo, mentre chi ne è privo rischia di essere ignorato.

Questo meccanismo è incompatibile con l'idea più profonda del metodo scientifico.

Se un esperimento è ben fatto, deve esserlo indipendentemente dal curriculum di chi lo ha realizzato.

Se un'argomentazione è sbagliata, deve esserlo anche se l'ha formulata un premio Nobel.

Se un dato è riproducibile, non diventa meno riproducibile perché chi lo ha raccolto non appartiene a un'università.

E se un'idea è falsa, non diventa vera perché è firmata da un professore ordinario.

Una scienza realmente aperta dovrebbe quindi essere accessibile non soltanto nella lettura dei risultati, ma anche nella possibilità di contribuire alla loro produzione e alla loro critica. Chiunque dovrebbe poter sottoporre un lavoro alla valutazione scientifica ed essere giudicato per il metodo, i dati e gli argomenti, non per il titolo di studio, l'istituzione di appartenenza o il prestigio personale.

Naturalmente questo non significa che qualsiasi scritto debba essere pubblicato. Significa esattamente il contrario: tutti devono essere sottoposti allo stesso criterio.

Non ricordo alcuna clausola del metodo galileiano secondo cui per osservare la natura sia necessario possedere un dottorato di ricerca.

Galileo ci ha lasciato qualcosa di molto più rivoluzionario di un titolo accademico: l'idea che l'autorità debba cedere il posto alla verifica.

Ed è forse proprio questa la domanda con cui dovremmo giudicare anche la scienza contemporanea:

Stiamo ancora chiedendo “come lo hai dimostrato?”, oppure siamo tornati a chiedere “chi sei per poterlo dire?”

---

Alcuni miei articoli collegati

• L'illusione di conoscere la realtà
• Alla ricerca della verità… oltre la politica, oltre la religione
• Alla ricerca della scienza...
• Sapere di non sapere, sapere di mentire: la scienza delle bugie
• La maggioranza delle ricerche scientifiche sono false
• La scienza contemporanea è inadeguata, religiosa, disumanizzata e lontana dalla comprensione della realtà?
• La scienza non può indagare oltre il 50% dell'esistente?
• Il linguaggio della scienza e la barbarie delle verità scientifiche
• La Scienza è lo zerbino o la carta igienica della Politica?
• La scienza è un bene pubblico? Riflessioni su un documentario su Aaron Swartz

Fonti principali

• Richard Horton, The Lancet (2015)
• Marcia Angell (2009)
• Richard Smith, PLOS Medicine (2005)
• National Academies (2019)
• Review: management, psicologia, economia (2021)
• Nature Computational Science: machine learning (2021)
• Nature Materials: “Trust but verify” («Fidati, ma verifica») (2024)
• Nature Reviews Physics: replicabilità (2025)
• Nature Reviews Physics: materiali 2D (2025)
• PNAS: incentivi nell'editoria accademica (2025)
• Haven & Ioannidis (2026)
• Registered Reports (2021)
• Nature: survey sulla riproducibilità (2016)
• Open Science Collaboration, Science (2015)
• Begley & Ellis, Nature (2012)
• Cancer Biology: difficoltà di replica, eLife (2021)
• Cancer Biology: risultati, eLife (2021)
• Fanelli, PLOS ONE (2009)
• COPE Retraction Guidelines (2019)
• Nature: oltre 10.000 ritrattazioni nel 2023
• Nature: ritrattazione amyloid-β (2024)
• Nature: Ranga Dias (2024)
• Nature: Dana-Farber (2024)
• BuyTheBy, preprint (2026)
• Science: paper mills (2026)
• JAMA Network Open (2025)
• JAMA Internal Medicine (2025)
• Relational Quantum Mechanics
• Carlo Rovelli (1996)
• Galileo Galilei
• Scientific Method

(22 agosto 2026)

Un AI watermark è un segnale associato a un contenuto digitale per indicare che un sistema di intelligenza artificiale ha partecipato alla sua generazione o modifica. Può essere visibile, come un logo; può vivere nei metadati del file; oppure può essere incorporato in modo impercettibile nei pixel o nell’audio. Queste soluzioni vengono spesso riunite sotto la parola “filigrana”, ma non sono equivalenti e non producono le stesse conseguenze.

La distinzione più importante è anche la più semplice: una marcatura può descrivere correttamente una fase del processo, oppure può trasformare un processo creativo complesso in un’etichetta: “Fatto dall’IA”. Quando questo accade, la tecnologia non aggiunge soltanto informazione: modifica il modo in cui il pubblico, una piattaforma e persino un committente interpretano l’opera.

Tre famiglie di segnali

Filigrane visibili

Sono loghi, testi o simboli sovrapposti all’immagine. L’osservatore sa che esistono e può valutarli. Non vanno confusi con le filigrane commerciali applicate alle anteprime di opere altrui, che proteggono una licenza o una vendita.

Metadati e Content Credentials

C2PA, spesso presentato al pubblico come Content Credentials, registra dichiarazioni di provenienza in metadati firmati. Può documentare il programma utilizzato e alcune trasformazioni subite dal file. La firma consente di verificare se quelle dichiarazioni sono integre; non certifica che ogni affermazione rappresenti l’intera storia creativa.

I metadati sono relativamente fragili. Esportazioni, screenshot, conversioni e piattaforme che riscrivono i file possono rimuoverli. Le versioni “durature” delle Content Credentials cercano di collegare il contenuto anche a registri o segnali recuperabili, ma la presenza concreta dipende dalla filiera tecnica.

Filigrane invisibili nei pixel

SynthID appartiene a questa famiglia. Non è un campo EXIF che si cancella con un editor di metadati: è un segnale impercettibile distribuito nel contenuto visivo o sonoro, progettato per poter essere riconosciuto da un rilevatore anche dopo trasformazioni comuni. Nell’esperienza dell’utente è invisibile; per il verificatore diventa un indizio di provenienza.

OpenAI documenta oggi controlli su due tipi di segnale: C2PA nelle immagini e SynthID nelle immagini e nell’audio. Tuttavia un watermark non rilevato non dimostra che il contenuto non provenga dall’IA. Il metadato può essere stato eliminato, la filigrana può essersi degradata, il file può essere precedente all’introduzione del sistema oppure il verificatore può non supportarne l’origine.

Un rilevatore non è una macchina della verità

Occorre separare un rilevatore di filigrana da un classificatore. Il primo cerca un segnale che un sistema ha deliberatamente inserito. Il secondo stima statisticamente, a partire da caratteristiche del contenuto, se possa essere stato generato da un determinato modello. Un classificatore può produrre falsi positivi e falsi negativi; una filigrana può andare perduta o essere letta fuori contesto. Nessuno dei due ricostruisce automaticamente la quantità, la qualità o l’importanza del contributo umano, né tantomeno il flusso esperienziale del processo creativo e il valore emotivo, intrapsichico, relazionale o sociale di un'opera.

La filigrana, inoltre, dice al massimo qualcosa sull’impiego di uno strumento. Non sa se l’autore abbia ideato il soggetto, composto la scena, dipinto una base, fornito fotografie proprie, diretto iterazioni successive, corretto localmente il risultato, riscritto testi, combinato più tecniche e completato l’opera a mano. È proprio questa perdita di contesto a rendere ingannevole l’etichetta quando viene interpretata come “interamente creato dall’IA”.

Che cosa accade nei motori di ricerca

Non esiste una regola generale pubblica secondo cui la sola presenza di SynthID o C2PA penalizzi automaticamente una pagina nei risultati. Google Search dichiara di concentrarsi su accuratezza, qualità, originalità, utilità e rilevanza del contenuto, indipendentemente dal modo in cui è stato prodotto. L’uso dell’automazione diventa contrario alle regole quando serve soprattutto a pubblicare contenuti su larga scala senza valore o a manipolare il posizionamento.

Per questo togliere una filigrana non è una strategia SEO e non promette alcun vantaggio nel ranking. Viceversa, una dichiarazione accurata del processo (?!) può offrire contesto ai lettori per chiarire il ruolo avuto dall'IA. Tuttavia, quando mai, nella storia dell'umanità, un artista ha dovuto documentare e spiegare il proprio processo creativo, di cui, tra l'altro, probabilmente non ha neanche una piena consapevolezza? Il processo è importantissimo per chi lo vive, ma è strettamente personale, non è qualcosa che normalmente si comunica. L'arte deriva da un flusso di esperienze di vita e suggestioni interiori che non possono essere comunicate nemmeno volendolo.

Che cosa accade nei social network

Un social può leggere gli indicatori presenti in un'immagine e applicare una propria etichetta. Può anche affidarsi all’autodichiarazione o ad altri sistemi di rilevamento. Rimuovere un metadato non garantisce quindi che una piattaforma non classifichi il contenuto come "generato dall'IA".

Meta usa indicatori condivisi dal settore e dichiarazioni dell’utente per mostrare “AI info” su Facebook, Instagram e Threads. L’azienda ha riconosciuto pubblicamente che una precedente etichetta “Made with AI” non rappresentava bene casi in cui l’IA aveva prodotto modifiche minori, e ha cambiato formulazione e collocazione dell’avviso. È un esempio concreto del problema: un segnale tecnico può essere autentico e, nello stesso tempo, comunicare al pubblico una conclusione sproporzionata.

TikTok richiede un’etichetta per contenuti realistici generati o modificati in misura significativa con l’IA e può aggiungerla automaticamente.

Nei testi esiste una filigrana nascosta?

Sì, il testo può contenere un pattern statistico impercettibile, prodotto alterando leggermente le probabilità di scelta delle parole; può resistere a modifiche limitate, ma non è indelebile e una riscrittura completa può distruggerlo.

Per chi vuole approfondire, rimando all'articolo: Anthropic spiega come funziona il watermark nei testi generati dalla IA.

Gli AI watermark sono un requisito dell’Unione europea?

Dal 2 agosto 2026 l’articolo 50 dell’AI Act prevede effettivamente obblighi di trasparenza per determinati sistemi e contenuti, ma non impone SynthID in particolare e non ordina di usare necessariamente una filigrana invisibile.

Per i fornitori di sistemi che generano contenuti sintetici audio, immagini, video o testo, la regola richiede che gli output siano marcati in un formato leggibile dalla macchina e rilevabili come generati o manipolati artificialmente. La soluzione deve essere efficace, interoperabile, robusta e affidabile per quanto tecnicamente fattibile. La legge lascia quindi aperta la tecnologia concreta e non trasforma un prodotto proprietario in standard obbligatorio.

Lo stesso articolo stabilisce un’eccezione importante e coerente con la distinzione creativa discussa qui: l’obbligo non si applica nella misura in cui il sistema svolge una funzione assistiva per una modifica standard, oppure non altera sostanzialmente i dati forniti dall’utilizzatore o il loro significato. La norma riconosce dunque che “uso dell’IA” e “contenuto interamente sintetico” non sono sinonimi. Tuttavia, i margini di interpretazione sono ampi.

Un secondo gruppo di obblighi riguarda i deployer, cioè chi utilizza l'IA al di fuori dell'uso puramente personale e non professionale. I deepfake devono essere dichiarati; per opere evidentemente artistiche, creative, satiriche o narrative, la comunicazione può essere effettuata in modo appropriato senza ostacolare la fruizione dell’opera. Esiste inoltre un obbligo specifico per alcuni testi destinati a informare il pubblico su questioni d’interesse generale, con eccezioni legate alla revisione umana e alla responsabilità editoriale.

Il testo non formula un obbligo generale per ogni privato di conservare per sempre una specifica implementazione tecnica nel proprio file. Rimuovere un segnale, tuttavia, non cancella gli eventuali obblighi separati di dichiarazione che dipendono dal modo e dal contesto in cui il contenuto viene pubblicato.

Per i sistemi già immessi sul mercato prima del 2 agosto 2026 è previsto un periodo transitorio: i fornitori devono adottare le misure necessarie per conformarsi all'articolo 50(2) entro il 2 dicembre 2026.

La filigrana non decide il copyright

Un watermark di provenienza non è un certificato di pubblico dominio e non annulla il diritto d’autore. Nel quadro europeo la domanda decisiva riguarda il contributo creativo umano originale. Il Parlamento Europeo ha espressamente distinto le creazioni assistite dall’IA dagli output prodotti autonomamente e ha ricordato che, quando l’IA è usata come strumento dell’autore, continua ad applicarsi l’attuale quadro della proprietà intellettuale.

Se una persona concepisce l’opera, prende le decisioni espressive, seleziona e trasforma i materiali, dirige le iterazioni e compie l’elaborazione finale, la presenza di un passaggio assistito dall’IA non cancella il suo apporto. Il fornitore del servizio non diventa autore per il solo fatto di aver messo a disposizione il software. Una filigrana tecnica non può trasferirgli diritti, né può dimostrare che l’utente abbia rinunciato ai propri.

Riferimento: Parlamento europeo, proprietà intellettuale e tecnologie di IA, risoluzione del 20 ottobre 2020.

Tuttavia, vorrei aggiungere una riflessione più ampia: siamo sicuri che la questione giuridica debba proprio essere su quali scelte creative umane siano espresse nel risultato finale? La mia obiezione è più radicale: perché il criterio decisivo dovrebbe essere quanto direttamente le scelte creative umane risultino riconoscibili nell'output? L'IA non ha idee né iniziative, ma è sempre l'essere umano ad avere un intento. Anche inserire prompt a caso o poco significativi per "sperimentare cosa viene fuori" è un intento.

Semplificando, siccome tutta la questione è sul reale contributo dell'autore rispetto a un output prodotto dal modello a partire da un intervento umano minimo, potremmo immaginare una proposta di questo tipo: se una persona ci ha lavorato due minuti su un'immagine, allora è pubblico dominio; se ci ha lavorato due ore, allora c'è il copyright. E' solo un esempio ipotetico, tuttavia, in un caso del genere, ritorneremmo alle problematiche di giustificazione e documentazione di un processo creativo che è strettamente personale.

Provo a spiegare le mie perplessità sul giudicare il contributo umano con un esempio più semplice: per scattare una fotografia ci mettiamo un secondo, ma quella fotografia può anche essere riconosciuta e venduta come opera d'arte. Inoltre il fotografo non ha "creato" il soggetto fotografato, nel senso che l'opera creatrice della realtà può essere completamente esterna a lui. Se fotografiamo un gabbiano sul mare, chi ha creato il gabbiano e chi il mare? Di fronte a un esempio così evidente, stare a discutere se il contributo umano è nullo, poco o tanto non ha alcun significato, almeno secondo la mia modesta opinione. Un'eccellente fotografia può anche essere dovuta semplicemente al caso o persino a un errore involontario, e risultare tanto inaspettata e sorprendente quanto l'esito di un prompt inserito per errore. Anche le scoperte scientifiche a volte funzionano così, grazie al caso e all'errore, ma non per questo vanno disprezzate o sminuite.

Il "prompt" è un contributo umano che richiede un tempo e una difficoltà paragonabili a quelli per scattare una foto (nel senso di estremamente variabile, da molto semplice e rapido a difficile e lento), e in entrambi i casi il soggetto della foto e dell'immagine generata dall'IA non è stato creato direttamente dall'autore. Sto quindi asserendo che bisogna sempre assumere che ci sia un contributo umano e rispettarlo.

Perché considero "non etiche" le filigrane nascoste imposte

La trasparenza autentica dovrebbe essere rivolta prima di tutto all’utente che crea. Un’informazione che il software inserisce in modo invisibile, che l’utente non può ispezionare pienamente e che non può rifiutare non realizza questa idea di trasparenza: la sostituisce con il controllo del fornitore sul file dell’autore.

Negano consenso e controllo sul proprio file

Un programma dovrebbe eseguire solo ciò che l’utente gli chiede e dichiarare ogni dato aggiunto. La scelta corretta è un controllo comprensibile: se e quali informazioni inserire, dove e con quale livello di dettaglio. Un segnale obbligatorio e nascosto introduce nel file dell’autore un contenuto non desiderato e lo costringe a un’elaborazione potenzialmente alterante per riottenere un file neutro.

Per watermark robusti incorporati nei pixel, infatti, una delle tecniche più efficaci consiste nella rigenerazione dell'immagine attraverso un altro modello; in questo caso il risultato non è più pixel-per-pixel identico e può subire alterazioni visibili: in questo senso, è un'elaborazione potenzialmente alterante.

In molti casi è un servizio a pagamento.

Creano un costo che ricade sull’autore

Molti servizi online hanno un costo non banale, soprattutto per chi produce molte immagini. C'è anche l'alternativa di fare tutto offline nel proprio computer, a condizione di avere una GPU adeguata.

Su GitHub ci sono progetti interessanti e funzionanti, come remove-ai-watermarks, ma anch'essi comunque hanno un costo, seppur indiretto. Sebbene il software sia gratuito, infatti, rimuovere una filigrana incorporata nei pixel richiede molti gigabyte di download dei modelli IA necessari, energia, tempo, una rigenerazione che altera i dettagli... e soprattutto: un computer adeguato, spazio libero, connettività Internet robusta per i download pesanti, e ottime competenze tecniche. Giusto per fare un esempio della "pesantezza", nei miei test il set completo dei modelli IA richiesti per usare remove-ai-watermarks pesa circa 40 GB. Se non c'è bisogno o interesse a preservare la fedeltà dei volti, la stima può scendere a 15 GB. Questi valori sono riferiti alla mia configurazione, li ho specificati solo per dare un ordine di grandezza.

Dettagli tecnici a parte, è il creatore, non il fornitore, a sostenere il costo economico e qualitativo necessario per annullare una scelta che non ha potuto rifiutare.

Concentrano il potere interpretativo

Quando codificatore e verificatore sono proprietari, il fornitore decide che cosa viene scritto e chi può leggerlo. L’autore non può controllare autonomamente il significato completo del segnale né contestare con strumenti equivalenti un risultato sbagliato. Questa asimmetria è incompatibile con la piena disponibilità dell’opera da parte di chi l’ha creata.

Espongono l’opera a usi futuri non scelti

Una marcatura progettata oggi per una verifica, può domani alimentare filtri, classificazioni commerciali, moderazione automatica o decisioni reputazionali. Anche quando il segnale non contiene l’identità dell’utente, la sua opacità impedisce di valutarne con certezza ogni uso successivo. Il consenso non può essere informato se finalità e lettori futuri restano fuori dal controllo dell’autore.

Confondono trasparenza con sorveglianza del processo creativo

La provenienza dovrebbe essere una narrazione verificabile e proporzionata in casi molto specifici, non un marchio indelebile e onnipresente. Nella stragrande maggioranza dei casi, ovvero quando un'immagine è un prodotto artistico e non un documento con implicazioni legali "sensate" (giornalismo, prove per condannare o dichiarare l'innocenza di una persona in sede giudiziaria, documentazione storica, ecc.), l’autore dovrebbe poter dichiarare pubblicamente quali strumenti ha usato solo se lo vuole e con parole sue adeguate al caso.

Una marcatura applicata automaticamente a ogni output non può distinguere l'uso successivo del contenuto né l'intenzione dell'autore. Al tempo stesso, però, l'intenzione dell'autore non è nota a prescindere. Ma anche qualora l'intenzione fosse nota, il watermark può comunque essere tolto successivamente. Ne seguono due conseguenze:

• nessun contenuto dovrebbe essere considerato autentico soltanto perché appare realistico o perché non contiene indicatori di generazione artificiale;
• non marcare nulla per i motivi complessivi già esposti, in particolare per proteggere la riservatezza del processo creativo, per non svalutare l'opera o la reputazione dell'autore, per rispettare la libertà e dignità dell'autore.

Il valore probatorio di una foto in sede legale, ad esempio, dovrebbe essere negato di default, e riconosciuto solo in casi particolari in cui ci siano prove più solide che confermino la foto stessa. Sarebbe un modo per adeguare la legislazione all'attuale facilità di accesso e uso degli strumenti IA avanzati.

Da notare che, se l'assenza di un watermark non prova nulla, di contro anche la sua presenza può avere un significato limitato sul piano probatorio: può documentare l'intervento di un determinato sistema, ma non stabilisce da sola quanto tale intervento sia stato sostanziale, quale fosse l'intenzione dell'autore né se il contenuto sia stato utilizzato in modo ingannevole.

Tutta questa discussione, inoltre, andrebbe inserita all'interno di un'analisi di realtà onesta: giornali, tv e social sono strapieni di informazioni parzialmente o totalmente false da sempre, ben prima dell'avvento dell'IA generativa, quindi smettiamola di prenderci in giro. Le foto sono sempre state oggetto di alterazioni con programmi di fotoritocco, giusto per fare un esempio.

La soluzione più pulita è il controllo locale

Tornando al punto etico, la strada migliore è risolvere il problema alla radice: usare localmente modelli e programmi di cui l’autore controlla input, output, metadati e archiviazione. Ollama rappresenta bene l’idea generale di inferenza locale; per la generazione di immagini su computer personali servono però strumenti e modelli adeguati all’hardware disponibile, e questo è il principale limite rispetto ai servizi online comunemente usati.

Per approfondire

• OpenAI, Content provenance;
• Regolamento europeo sull’intelligenza artificiale, articolo 50;
• Commissione europea, linee guida sugli obblighi di trasparenza;
• Commissione europea, sintesi delle regole di trasparenza e periodo transitorio;
• Google Search Central, contenuti creati con IA generativa;
• Meta, etichette per contenuti generati e modificati con IA;
• TikTok, contenuti generati con IA;
• C2PA, Content Credentials Explainer;
• Parlamento europeo, proprietà intellettuale e IA;
• Risoluzione del Parlamento europeo del 10 marzo 2026 su copyright e IA generativa.

(18 agosto 2026)

Il faro indica la strada ai nostri sogni,
affinché nessun desiderio vada smarrito.

Tutto si trasforma,
la sofferenza diviene sorpresa.

L'impossibile si illumina
in un miracolo luminoso.

(Faro del porto di Cariati, 17 agosto 2026, vai alla mia galleria)