L'augmentation de données consiste à élargir artificiellement un jeu de données d'entraînement en créant des copies modifiées de données existantes : rotation ou retournement d'images, reformulation de texte, ajout de bruit à de l'audio ou synthèse de nouveaux exemples. Cela aide les modèles à mieux généraliser et réduit le surapprentissage, surtout quand collecter de vraies données est coûteux. Un hôpital marocain disposant de peu de radiographies pour des maladies rares peut enrichir son jeu en appliquant des rotations et des variations de luminosité aux scans existants.