Se produit lorsque les catégories cibles (par exemple, fraude contre légitime) sont représentées de manière inégale, ce qui amène les modèles à privilégier les classes majoritaires et à négliger des cas rares mais critiques. Les techniques de mitigation incluent le rééchantillonnage (suréchantillonnage des minorités, sous-échantillonnage des majorités), la génération de données synthétiques (SMOTE) ou l'utilisation d'ajustements de poids de classe. La gouvernance nécessite la surveillance des distributions des classes, le suivi des performances par classe et la documentation des choix de mitigation et de leurs effets.