Les données d'entraînement, c'est l'ensemble des exemples sur lesquels un modèle apprend. Leur qualité et leur diversité déterminent largement ce que le modèle saura faire et les biais qu'il reproduira. Un modèle ne connaît que ce qu'il a vu : ses lacunes et ses préjugés viennent souvent de ses données. C'est la matière première de toute IA apprenante.
Exemple — Un modèle entraîné surtout sur des textes anglais sera moins à l'aise en français.