Les auteurs étudient ici la méthode de sous-échantillonnage destinée à approximer la distribution de statistiques estimant des paramètres inconnus associés à la distribution de probabilité d'un champ aléatoire à paramètre continu. Ils obtiennent d'abord une nouvelle inégalité de type Bernstein pour des processus fortement mélangeants. A l'aide de cette inégalité, les auteurs démontrent le fait que le sous-échantillonnage des champs aléatoires à paramètre continu fonctionne sous hypothèses minimales de faible dépendance et affaiblissent la condition (déjà faible) de mélangeance proposée par Politis et Romano (1994) pour des champs aléatoires à paramètre discret.