Ce livre concerne les theoremes standards precisant la vitesse de convergence dans l'approximation gaussienne des M-estimateurs. On s'interesse ici a l'etablissement de ces resultats dans le cas ou les donnees ne sont plus necessairement independantes, et plus precisement lorsque cette dependance des donnees est markovienne. La methode spectrale generalisee via le theoreme de Keller-Liverani permet d'obtenir des resultats dans le cadre general des chaines de Markov fortement ergodiques. Une attention particuliere est portee a trois modeles markoviens: les conditions proposees sont quasi-optimales dans le sens ou elles sont tres proches de celles du cas independant. Les resultats obtenus sont illustres pour des estimateurs du maximum de vraisemblance dans le cadre de modeles autoregressifs. Ce livre s'adresse aussi bien a des statisticiens qu'a des probabilistes, puisqu'il y est decrit non seulement des methodes statistiques classiques, mais aussi des outils fonctionnels developpes en systemes dynamiques et exploites en probabilites et en statistiques."