"model drift" en ML/AI implica el empeoramiento de las predicciones a medida que pasa el tiempo por cambios estadísticos en lo que se está intentando predecir (lo real).

Ref: "In predictive analytics and machine learning, the concept drift means that the statistical properties of the target variable, which the model is trying to predict, change over time in unforeseen ways. This causes problems because the predictions become less accurate as time passes." https://en.wikipedia.org/wiki/Concept_drift

La palabra "deriva" tiene implícita la idea de variación con el tiempo.

"Desviación del modelo" ("model deviation" o "model deviations") se utiliza mucho en ML para indicar la diferencia entre lo predicho por el modelo y lo real, ya sea mientras se está entrenando el modelo o cuando se lo terminó. Se mide con diversos cálculos como bias, varianza, exactitud, precisión, recall, etc. Es un concepto totalmente estático.
https://www.programmersought.com/article/113799450/

"model drift" es la variación de la "desviación del modelo" con el tiempo, por lo tanto es otro concepto, y se traduce como "deriva del modelo" (expresión acuñada). Desde el punto de vista de ML/AI sería un error traducirlo como "desviación del modelo"

Ejemplos:
"...los científicos de datos también deben ser conscientes de la deriva del modelo. La deriva del modelo es un fenómeno en el que las predicciones, los clústeres, la segmentación y las recomendaciones proporcionadas por los modelos de aprendizaje automático se desvían de los resultados esperados a medida que se dispone de nuevos datos."
https://nuevoperiodico.com/operacion-y-gestion-de-aprendizaj...

"...para detectar la deriva del modelo (cuando las condiciones o supuestos del modelo original ya no se aplican)."
https://topbigdata.es/por-que-necesitamos-operaciones-ml-4-c...