Art. 4 Directiva 2019/790: dónde terminan las fronteras operativas del TDM

Hay una distancia notable entre lo que dice el artículo 4 de la Directiva (UE) 2019/790 y lo que los equipos técnicos asumen que dice. Esa distancia genera dos tipos de error: quienes limitan su análisis más de lo necesario por miedo jurídico, y quienes operan sin haber leído nunca el texto. Ninguno de los dos perfila bien sus operaciones.

El Art. 4 no es una declaración de principios. Es una excepción específica al derecho de reproducción que afecta directamente a cómo se estructura el acceso al universo público de Internet, qué se puede conservar, durante cuánto tiempo y bajo qué condiciones. Ignorar esos matices tiene consecuencias operativas concretas, no abstractas.

Este post no es asesoramiento legal. Es un análisis de las implicaciones técnicas y metodológicas que el Art. 4 introduce en cualquier proyecto de Text and Data Mining orientado a datos públicos.

Qué cubre el Art. 4 y qué no

El artículo 4 de la Directiva (UE) 2019/790, transpuesto en España como Art. 67 bis de la LPI, establece una excepción que permite la reproducción y extracción de obras a las que se ha accedido lícitamente, con fines de Text and Data Mining, para cualquier usuario, sin que el titular de derechos pueda oponerse, siempre que no haya optado expresamente por excluirse mediante medios técnicos adecuados.

Esto es lo que cubre:

• Reproducción temporal necesaria para el proceso de análisis.
• Extracción de fragmentos para identificar patrones, entidades, relaciones, tendencias.
• Conservación de copias con fines exclusivamente analíticos, no distribución.

Esto es lo que no cubre:

• Acceso a fuentes detrás de barreras de pago o autenticación sin autorización previa.
• Distribución del contenido original o de reproducciones sustanciales del mismo.
• Conservación indefinida de copias sin vínculo directo con el propósito analítico declarado.

La palabra clave es "accedido lícitamente". No basta con que el contenido sea visible en Internet. La legalidad del acceso inicial condiciona toda la cadena analítica posterior.

El opt-out del titular: qué significa en la práctica

El Art. 4(3) permite a los titulares de derechos reservarse expresamente la posibilidad de excluir sus obras del TDM, siempre que lo hagan mediante medidas adecuadas, en particular en entornos en línea. Esto ha generado debate técnico sobre qué constituye una "medida adecuada" de opt-out.

En términos operativos, los equipos de TDM deben verificar antes de iniciar cualquier proceso de análisis masivo:

1. Si la fuente publica instrucciones explícitas de restricción de acceso automatizado (cabeceras HTTP, archivos de exclusión, términos de uso).
2. Si esas instrucciones son técnicamente respetadas por la infraestructura de análisis.
3. Si existe trazabilidad de que ese respeto fue efectivo en el momento del acceso.

Este tercer punto es el más ignorado. La trazabilidad del cumplimiento no es una cuestión de buena fe; es la diferencia entre poder demostrar el encuadre legal o no poder hacerlo si la operación es cuestionada.

Conservación de datos: el punto donde más se cometen errores

El Art. 4 permite conservar las reproducciones obtenidas durante el proceso de TDM, pero vincula esa conservación al propósito analítico. Cuando las copias dejan de servir al análisis y pasan a integrarse como activo de datos sin más propósito declarado, el encuadre jurídico cambia.

En entornos de producción, esto se traduce en tres decisiones que muchos equipos no han formalizado:

• Política de retención diferenciada: los datos en bruto del proceso de análisis no tienen el mismo estatuto que los datos derivados (señales, métricas, tendencias). Los primeros necesitan ciclos de vida más cortos o justificación explícita de conservación; los segundos pueden tener vida operativa indefinida porque ya no son reproducciones del original.

• Separación física o lógica entre el nivel de procesamiento y el nivel de análisis derivado. Si ambos coexisten sin separación, es difícil argumentar que lo que se conserva es análisis y no reproducción.

• Documentación del propósito en cada ingesta. No retrospectivamente. En el momento de incorporar una fuente al pipeline, el propósito analítico debe estar registrado de forma que pueda ser auditado.

Estos tres puntos no son exigencias legales explícitas del Art. 4, pero son las garantías operativas que hacen que el encuadre bajo ese artículo sea sólido y verificable.

Cuándo el Art. 4 no resuelve el problema de acceso

Hay una confusión frecuente: creer que el Art. 4 facilita el acceso al dato. No lo hace. Facilita el tratamiento del dato al que ya se ha accedido lícitamente. El problema del acceso es previo y distinto.

Si una fuente pública es técnicamente accesible pero sus condiciones de uso restringen el acceso automatizado, el Art. 4 no anula esas restricciones contractuales. Opera en el plano del derecho de autor, no en el del derecho contractual.

Por tanto, cualquier proyecto de TDM que dependa del universo público de Internet necesita una doble verificación: primero, si el acceso a la fuente es lícito en términos de sus propias condiciones; después, si el tratamiento posterior encaja en el Art. 4. Son dos capas distintas. Saltarse la primera en nombre de la segunda es un error metodológico con consecuencias reales.

En TrawlingWeb, la infraestructura de análisis del universo público está diseñada para operar dentro de este doble marco: acceso lícito en origen, tratamiento amparado por el Art. 4 y el Art. 67 bis LPI en el procesamiento. No es una declaración de marketing; es el criterio que guía decisiones de arquitectura concretas.

Lo que cambia cuando se tiene claridad sobre estas fronteras

Cuando un equipo comprende con precisión qué ampara el Art. 4 y qué no, cambian al menos cuatro decisiones:

1. El diseño del pipeline de datos incorpora separación entre reproducción temporal y análisis derivado desde el inicio, no como revisión posterior.

2. La política de fuentes incluye criterios de elegibilidad legal, no solo criterios de relevancia o volumen.

3. Los contratos con clientes pueden describir con precisión qué tipo de dato se entrega: análisis derivado, no reproducción de contenido de terceros.

4. La respuesta ante reclamaciones es documentada y técnica, no reactiva. Hay trazabilidad del encuadre legal en cada ingesta.

El Art. 4 no es un escudo automático. Es un marco que protege cuando la operación se ha diseñado para poder acogerse a él. La diferencia entre operar dentro del marco y asumir que se opera dentro del marco es exactamente el tipo de distancia que convierte un problema jurídico potencial en un problema jurídico real.

Si estás estructurando o revisando un proyecto de TDM sobre fuentes públicas, el punto de partida no es la tecnología. Es saber qué permite hacer el marco legal antes de decidir qué harás con él. Consulta trawlingweb.com para explorar cómo se articula ese encuadre en un entorno de producción real.