La théorie de l'information intégrée propose un cadre mathématique pour étudier la conscience. Ce cadre repose sur un système dynamique, avec une structure graphique et des probabilités de transition markoviennes. Il définit l'information intégrée (Phi) de ces systèmes comme la capacité des systèmes à spécifier des informations sur leur état futur dans leur ensemble, au-delà de ce qu'ils peuvent faire lorsqu'ils sont séparés. Le cadre définit comment quantifier les informations perdues lors du partitionnement (« découpage ») d'un système en plusieurs parties. Phi est défini comme la perte d'informations minimale parmi toutes les partitions possibles. Comme l'ensemble des partitions augmente rapidement avec la taille du système, le calcul de Phi est impossible à réaliser et nécessite des heuristiques ou des approximations. Nous présentons une approche par bootstrap pour estimer Phi à partir d'un échantillon aléatoire de partitions en traitant l'ensemble des valeurs de perte d'informations comme le support d'une variable aléatoire discrète et en estimant son minimum.