Une fuite de données (data leakage) survient quand une information absente au moment de la prédiction, ou issue du jeu de test, influence l'entraînement. Elle gonfle les scores de façon trompeuse. Exemples : standardiser avant le découpage, ou utiliser comme feature une variable calculée à partir de la cible.
Exemple
scaler.fit(X) # erreur : le scaler voit aussi le jeu de test