La propriété fondamentale qui distingue les modèles efficaces des modèles surajustés. La généralisation est obtenue grâce à une capacité de modèle appropriée, des techniques de régularisation (dropout, dégradation des poids), l'augmentation des données et une validation robuste (validation croisée, ensembles de maintien). La gouvernance implique la surveillance des écarts de généralisation (erreur d'entraînement vs. erreur de validation), la définition de seuils acceptables, et le réentraînement des modèles lorsque la performance sur les données de production diverge significativement des résultats de test.