On réutilise la même normalisation car on doit se remettre dans les même condition que l'apprentissage durant l'inférence.
Normalement, cela ne change rien si on a bien sample nos données et/ou que celles-ci soient en très grand nombre.
Un exemple avec des images : si on apprend à classer uniquement avec des image de couleur rouge puis que l'on essaye avec des images de couleurs vertes on risque de ne pas avoir de très bons résultats car il y a trop d'écart entre les 2 distributions. En même temps il serait une drôle d'idée de vouloir faire ça ...
