La propriété fondamentale qui distingue les modèles efficaces des modèles surajustés. La généralisation s’obtient grâce à une capacité de modèle appropriée, des techniques de régularisation (dropout, décroissance des poids), l’augmentation des données et une validation robuste (validation croisée, ensembles de retenue). La gouvernance implique le suivi des écarts de généralisation (erreur d’entraînement vs. erreur de validation), la définition de seuils acceptables et le réentraînement des modèles lorsque les performances sur les données de production divergent de manière significative des résultats de test.