Une stratégie de régularisation où du bruit gaussien est ajouté aux entrées, aux activations cachées ou aux poids pendant l'entraînement. Cela aide les modèles à se généraliser en évitant une dépendance excessive à des motifs spécifiques et augmente la résilience face aux perturbations des entrées. La gouvernance nécessite de surveiller l'impact sur la performance, de s'assurer que les niveaux de bruit injectés sont conformes aux scénarios de déploiement, et de documenter les paramètres de bruit pour garantir la cohérence des audits et des réentraînements.