La régression par processus gaussien est largement utilisée pour émuler la sortie d'un code coûteux. Nous nous intéressons à des codes dont la sortie est une série temporelle. Pour réaliser des métamodèles de ces codes, il est usuel de réduire la dimension. Ensuite, une régression est réalisée dans l'espace latent, par exemple régression par processus Gaussien. Ce travail étudie l'influence de l'indépendance des paramètres dans l'espace latent sur les sorties. Pour cela, à l'aide de données simulées et d'un système physique, nous étudions les processus ainsi créés dans l'espace latent et nous les comparons aux hypothèses de décorrélation des coefficients dans l'espace latent faites lors de la métamodélisation.