Come costruire un’inchiesta partendo da terabyte di documenti digitali. Il rispetto delle fonti e della deontologia

Una fonte ti ha appena inviato via email un PDF riservato. Lo apri subito? Come fai a verificare che sia sicuro? E se, invece di un documento, fossero milioni di file per un totale di diversi terabyte? Come li organizzi, li rendi ricercabili e inizi a cercare una storia, possibilmente senza affidare tutto a servizi commerciali? Questo workshop prova a rispondere a queste domande, alternando esempi concreti e strumenti pratici per lavorare con grandi (o piccole) collezioni di documenti, leak, fughe di notizie su larga scala e altre masse di dati non strutturati. Ogni argomento partirà da un caso reale tratto da progetti di giornalismo investigativo e sarà accompagnato da uno o più strumenti open source che possono entrare a far parte della propria cassetta degli attrezzi. Parleremo di come aprire documenti in modo sicuro, verificarne l’autenticità e ridurre i rischi legati ai file ricevuti da fonti esterne, utilizzando strumenti come Dangerzone e VirusTotal. Vedremo poi come trasformare una collezione di documenti in un archivio realmente interrogabile: dall’indicizzazione del testo all’estrazione automatica di entità come persone, aziende, luoghi, IBAN e numeri di telefono con Aleph (compresa la sua installazione in locale e all’uso da terminale), fino all’estrazione di tabelle con Tabula e ai casi in cui strumenti di intelligenza artificiale come NotebookLM possono essere utili. Affronteremo alcune strategie per orientarsi in archivi molto grandi: come usare i log di ricerca e i masterfile, come individuare documenti nascosti in mezzo a milioni di altri e come affrontare analisi su dataset enormi, partendo anche dall’esperienza di un’inchiesta che ha richiesto l’esplorazione di 7,3 milioni di email. Vedremo dove reperire leak e database già disponibili pubblicamente e come utilizzarli nelle proprie ricerche, esplorando risorse come Aleph, OpenAleph, Library of Leaks e DocumentCloud. Infine, il seminario terrà sempre al centro le questioni deontologiche relative al rapporto con le fonti e alla gestione di migliaia di dati personali e sensibili. L’obiettivo del workshop non è soltanto imparare a usare alcuni strumenti, ma acquisire un metodo di lavoro per trasformare grandi quantità di documenti in piste investigative solide e, da quelle piste, in storie inattaccabili.