Dans cet article, nous examinons l’estimation d’un modèle de régression linéaire entre deux variables qui suivent des lois de probabilité à queue épaisse lorsque la variable explicative a des valeurs extrêmement faibles (ou élevées). En exploitant la relation de dépendance entre les extrema des deux variables, nous proposons un estimateur du coefficient de régression. Nous établissons les propriétés asymptotiques de cet estimateur. Les simulations montrent que notre méthode d’estimation génère une plus faible erreur quadratique moyenne que l’outil de référence, c’est-à-dire l’estimateur des moindres carrés ordinaires obtenu à partir des observations extrêmes. Nous illustrons également la supériorité de notre approche par rapport à l’outil de référence dans la prévision des pertes qu’enregistreraient des portefeuilles d’actions propres à un secteur particulier en cas de crash boursier.