Cet article aborde le problème de la vérification d'un modèle causal hypothétique basé sur des données observationnelles. Ce modèle suppose une indépendance conditionnelle (IC), et vérifier tous les IC passés est inefficace en termes de calcul. Par conséquent, nous proposons la propriété de Markov locale à c-composantes (C-LMP) pour les graphes causaux contenant des variables cachées, et réduisons le nombre d'IC nécessaires à la vérification de l'IC. Même avec la C-LMP, de nombreux IC peuvent encore devoir être vérifiés. C'est pourquoi nous développons un algorithme de délai polynomial qui répertorie ces IC à des intervalles de temps polynomiaux. Nous démontrons la faisabilité de cet algorithme par des expériences utilisant des données réelles et synthétiques.
