Meta ha autorizzato il crawling dei siti degli inserzionisti: condizioni a partire dal 30 ottobre e scraping

Dal 30 ottobre 2026, Meta attuerà i nuovi Termini Commerciali, le condizioni per tutti coloro che utilizzano Facebook, Instagram, Messenger e WhatsApp a scopi commerciali: lanciare pubblicità, gestire una pagina di marca, vendere tramite un catalogo. Nel nuovo testo è stato inserito un paragrafo che avvocati e media hanno notato solo a metà ottobre: le aziende consentono a Meta di aggirare automaticamente i propri siti — indicizzare, memorizzare nella cache, raccogliere e analizzare contenuti. Non è possibile rifiutare questo punto separatamente, è possibile solo smettere di utilizzare i prodotti commerciali di Meta.

La storia è interessante non solo per gli editori. Questa è la stessa Meta che ha fatto causa per anni agli scraper, inclusa Bright Data, e ha perso una controversia chiave proprio sulla questione di "chi è vincolato dai termini di utilizzo". Ora l'azienda utilizza lo stesso meccanismo contrattuale a suo favore. Analizziamo cosa è scritto nelle condizioni, cosa Meta è riuscita a correggere dopo lo scandalo e quali conclusioni pratiche ne derivano per coloro che raccolgono dati o proteggono il proprio sito dai bot.

Cosa è scritto nei nuovi termini di Meta

Meta ha annunciato l'aggiornamento all'inizio di ottobre nel Business Help Center e nel Meta Business Suite. Esso riguarda diversi documenti: Termini Commerciali, condizioni del catalogo prodotti, condizioni della pubblicità autonoma e condizioni per la generazione di creatività pubblicitarie tramite IA. La versione precedente dei Termini Commerciali era in vigore dal 6 marzo 2024 e, secondo l'analisi di PPC Land, non conteneva alcun linguaggio riguardante il crawling.

Nella nuova edizione, la sezione 1 è stata rinominata da "Licenze" a "Licenze e diritti che concedi a Meta". Le formulazioni chiave nella versione originale erano:

• l'azienda consente a Meta "o a qualsiasi persona che agisca per suo conto" di utilizzare software automatizzati per accedere, indicizzare, memorizzare nella cache, analizzare, raccogliere e fare crawling di domini, pagine e URL, nonché di prelevare aggiornamenti periodicamente;
• sono inclusi i siti "collegati" ai prodotti o servizi dell'azienda o accessibili tramite l'uso dei prodotti Meta. Cosa significhi "collegati" non è definito nel testo;
• il contenuto ottenuto può essere utilizzato da Meta per "fornire, sviluppare, migliorare, ricercare, addestrare e mantenere l'integrità" dei propri prodotti;
• Meta ha il diritto di creare "credenziali di test" per accedere a queste risorse. Cosa significhi questo in pratica non è spiegato nelle condizioni.

Il consenso è formalizzato in modo consueto per le piattaforme: se continui a utilizzare i prodotti commerciali dopo essere stato informato delle modifiche, hai accettato. Un post sulla pagina aziendale del 31 ottobre è già considerato un'accettazione. Non esiste un rifiuto parziale del paragrafo sul crawling.

Reazione degli avvocati e risposta di Meta

La storia è stata sollevata il 15 ottobre da Nieman Lab, che ha intervistato tre giuristi. Le loro valutazioni sono state severe:

• Matt Topic (Loevy & Loevy) ha detto che non è chiaro se il tribunale riconoscerà tale punto, ma gli editori "dovrebbero presumere che sarà esecutivo";
• James Grimmelmann (Cornell Law School) ha definito il paragrafo un chiaro permesso per Meta di addestrare l'IA sui contenuti degli editori. Ha inoltre sottolineato le "credenziali di test": a suo avviso, questo potrebbe consentire di creare utenti fittizi e superare i muri di registrazione;
• Benjamin Sobel (University of Wisconsin) ha indicato un possibile problema di "collegamento": per utilizzare i prodotti necessari, l'azienda è costretta ad accettare anche il crawling.

Il direttore di News/Media Alliance, Daniel Coffey, ha definito le condizioni "scandalose e probabilmente illegali". Jason Kint di Digital Content Next ha chiesto perché Meta richieda diritti così ampi e specifichi esplicitamente l'addestramento dell'IA in un contratto vincolante, se, secondo loro, nulla cambia.

La posizione di Meta: il 16 ottobre, il direttore delle comunicazioni Andy Stone ha definito le pubblicazioni "false" e ha dichiarato che non ci sono cambiamenti nel modo in cui Meta utilizza i crawler web. Secondo l'azienda, le formulazioni sul crawling erano precedentemente sparse in vari documenti, inclusi i termini dell'IA generativa nella pubblicità, e ora sono semplicemente raccolte in un unico posto. I proprietari dei contenuti, secondo Meta, possono ancora gestire l'accesso tramite robots.txt.

Il 17 ottobre il testo è stato modificato. Secondo Nieman Lab, la parola "train" è stata rimossa dall'elenco degli obiettivi e l'uso è stato limitato ai prodotti pubblicitari e commerciali anziché a tutti i prodotti Meta. Alcune pubblicazioni, citando The Verge, scrivono che il punto controverso è stato completamente rimosso. Tuttavia, gli esperti con cui ha parlato Nieman Lab ritengono che i diritti ampi sul crawling siano comunque rimasti nelle condizioni e che i conti aziendali non abbiano la possibilità di rifiutare fino al 30 ottobre. La formulazione finale dovrebbe essere verificata sulla pagina dei Termini Commerciali prima dell'entrata in vigore.

Doppio standard: come Meta ha perso contro Bright Data e cosa ha imparato

Per capire perché gli avvocati siano così preoccupati, è necessario ricordare il caso Meta Platforms v. Bright Data. Il 23 gennaio 2024, il giudice Edward Chen (Distretto Settentrionale della California) ha emesso una sentenza a favore di Bright Data in una causa per violazione di contratto. La logica del tribunale: i termini di Meta vietano lo scraping, ma vincolano solo gli utenti che hanno effettuato il login. La raccolta di dati pubblici senza login non rientra in queste condizioni. Il tribunale non ha trovato prove che Bright Data raccogliesse dati accessibili solo dopo il login e ha respinto l'idea che un ex utente sia vincolato dalle condizioni a tempo indeterminato.

La conclusione di quel caso, su cui si basa da allora l'intera industria: il contratto vincola chi lo accetta. I nuovi Termini Commerciali funzionano secondo lo stesso schema, solo al contrario. Meta non può costringere un sito esterno a far entrare il suo crawler, ma può ottenere il consenso del proprietario tramite un contratto che quest'ultimo ha già accettato per lanciare pubblicità. E robots.txt qui è un debole conforto: le stesse condizioni non ne parlano, e gli avvocati temono che Meta possa fare riferimento al contratto come a un'autorizzazione più forte rispetto al divieto nel file tecnico.

Quali crawler Meta visitano i siti

Nella documentazione per webmaster, Meta elenca attualmente cinque agenti. A seconda di quale di essi è arrivato, il divieto in robots.txt avrà effetto:

• meta-externalagent — raccoglie pagine per addestrare modelli di IA di base e per indicizzazione nei prodotti. Un token per entrambe le attività, quindi non è possibile consentire l'indicizzazione e vietare l'addestramento separatamente;
• meta-webindexer — indicizza il web per la ricerca e le citazioni in Meta AI;
• meta-externalads — crawler per prodotti pubblicitari e commerciali, cioè esattamente per quella zona in cui Meta ha limitato il nuovo punto;
• meta-externalfetcher — carica singoli link su richiesta dell'utente, inclusi per compiti agenti di IA. Secondo la documentazione può ignorare robots.txt, poiché si tratta di una richiesta umana;
• facebookexternalhit — costruisce un'anteprima del link quando viene condiviso. Può anche aggirare robots.txt per motivi di sicurezza e integrità.

Cosa deve fare il proprietario di un sito con un account aziendale in Meta

Se vendi tramite Instagram o fai pubblicità su Facebook, non sarà possibile modificare la parte contrattuale. La parte tecnica è nelle tue mani.

1. Decidi cosa sei disposto a concedere. L'anteprima dei link (facebookexternalhit) è necessaria, altrimenti i post con il tuo sito non avranno immagine. Il crawler pubblicitario (meta-externalads) è necessario se utilizzi un catalogo prodotti e pubblicità dinamica. L'addestramento dei modelli (meta-externalagent) non offre nulla per il negozio.
2. Scrivi le regole in robots.txt per i singoli agenti, ad esempio: User-agent: meta-externalagent e Disallow: /. Meta avverte che i crawler memorizzano nella cache il file e le modifiche si applicano fino a 24 ore.
3. Controlla i log. Filtra le richieste per le righe meta-externalagent, meta-externalads e meta-webindexer, conta quali sezioni aggirano e quante. Questa è la base da cui confrontare il comportamento dopo il 30 ottobre.
4. Chiudi contenuti preziosi a livello di server, non solo robots.txt: prezzi, basi di conoscenza, materiali a pagamento — dietro autenticazione o con limitazione per User-Agent su CDN. robots.txt rimane un accordo volontario, non una serratura.
5. Salva l'attuale edizione delle condizioni (screenshot o PDF con data). Le formulazioni sono già state modificate dopo un paio di settimane dall'annuncio, e in caso di controversia sarà utile avere la versione in vigore in una data specifica.

Cosa significa per coloro che raccolgono dati

Per i team che raccolgono dati dalle piattaforme, la storia di Meta è un'illustrazione chiara di dove passa realmente il confine legale.

• Il login è la firma del contratto. La decisione su Bright Data protegge la raccolta di dati pubblici senza login. Non appena il parser opera da un account, i termini della piattaforma si applicano a te, e il divieto di raccolta automatizzata diventa un obbligo contrattuale. Maggiori dettagli su cosa comporta nella pratica, ne abbiamo scritto nell'analisi dei rischi di violazione dei Termini di Servizio quando si lavora tramite proxy.
• Separare l'infrastruttura. Gli account aziendali tramite cui gestisci la pubblicità e i raccoglitori di dati non devono sovrapporsi né per account né per IP. Per la raccolta pubblica senza login di solito bastano proxy di data center, mentre per piattaforme con filtri anti-bot severi servono IP residenziali con rotazione.
• robots.txt è un segnale, non una legge, in entrambe le direzioni. Meta stessa riconosce che due dei suoi agenti possono aggirarlo. Ma per il tuo progetto, il rispetto di robots.txt rimane un argomento di buona fede, se si arriva a una controversia. La pratica è descritta nel materiale su parsing etico e robots.txt.
• Segui le modifiche delle condizioni. Le piattaforme modificano le loro condizioni tramite "la continuazione dell'uso implica consenso". È utile confrontare trimestralmente le condizioni attuali delle piattaforme con cui lavori sotto account con le copie salvate.

Conclusione

I nuovi Termini Commerciali di Meta mostrano in quale direzione si sta muovendo la lotta per i dati web nel 2026: da barriere tecniche a contrattuali. L'azienda che ha perso la controversia su chi è vincolato dai suoi termini ora utilizza questi stessi termini per ottenere il consenso per aggirare i siti dei suoi inserzionisti. Dopo la modifica del 17 ottobre, le formulazioni sono diventate più morbide, ma le possibilità di rifiuto rimangono assenti, e le stesse condizioni entreranno in vigore il 30 ottobre. I proprietari di siti dovrebbero configurare robots.txt per gli agenti e salvare una copia delle condizioni, mentre i team che raccolgono dati dovrebbero controllare nuovamente dove la loro raccolta avviene sotto login e quali rischi comporta.