L’atténuation parallèle irréversible (NRPT) est un algorithme efficace pour l’échantillonnage de distributions cibles comportant une géométrie complexe, comme celles générées par des distributions a posteriori de modèles bayésiens de haute dimension et faiblement identifiables. Dans le cadre de cette présentation, j’établirai l’ergodicité géométrique uniforme de la NRPT selon une hypothèse d’exploration locale efficace, tout en évitant la gestion complexe des propriétés spécifiques aux noyaux. Les taux obtenus sont limités en termes de divergence facilement estimable, c’est-à-dire l’obstacle à la communication globale (GCB) qui a récemment été présentée dans la documentation. Nous obtenons des résultats d’ergodicité analogues pour l’atténuation parallèle réversible classique, ce qui est une nouvelle preuve que la NRPT est supérieure à sa version réversible. Je conclurai la présentation avec des simulations qui valident la nouvelle analyse théorique.