Dans cet article, nous étudions le problème de l'identification de système pour les systèmes linéaires à saut de Markov autonomes (MJS) avec des observations d'état complètes. Nous proposons la méthode des moindres carrés commutés pour l'identification de MJS, montrons que cette méthode est fortement cohérente et dérivons des taux de convergence dépendants et indépendants des données. En particulier, notre taux de convergence indépendant des données montre que, presque sûrement, l'erreur d'identification du système est \({\mathcal O}\big(\sqrt{\log(T)/T} \big)\) où \(T\) est l'horizon temporel. Ces résultats montrent que la méthode des moindres carrés commutés pour MJS a le même taux de convergence que la méthode des moindres carrés pour les systèmes linéaires autonomes. Nous dérivons nos résultats en imposant une hypothèse générale de stabilité au modèle appelée stabilité au sens moyen. Nous montrons que la stabilité au sens moyen est une forme de stabilité plus faible par rapport aux hypothèses de stabilité couramment imposées dans la littérature. Nous présentons des exemples numériques pour illustrer les performances de la méthode proposée.