Consider the linear regression model, yi = xiβ0 + ei, i = l,…,n, and an M-estimate β of βo obtained by minimizing Σρ(yi — xiβ), where ρ is a convex function. Let Sn = ΣXiXiXi and rn = Sn½ (β — β0) — Sn2 Σxih(ei), where, with a suitable choice of h(.), the expression Σ xix(e,) provides a linear representation of β. Bahadur (1966) obtained the order of rn as n ∞ when βo is a one-dimensional location parameter representing the median, and Babu (1989) proved a similar result for the general regression parameter estimated by the LAD (least absolute deviations) method. We obtain the stochastic order of rn as n ∞ for a general M-estimate as defined above, which agrees with the results of Bahadur and Babu in the special cases considered by them. Soient p une fonction convexe et β un M-estimateur de βo obtenu en minimisant Σρ(yi-xiβ)xiβ) dans le cadre du modele de regression lineaire yi=xiβ+ ei,i=[,…,n. En introduisant une fonction h(.) convenable, il est possible de reprdsenter β sous la forme ΣXih(ei(ei). Soient alors Sn =ΣXiXiet rn=Sn½(β — β0) — Sn2Σxih(ei)Σ xih(ei)Dans le cas particulier ou β0est un parametre de localisation unidimensionnel representant une mediane, l'ordre asymptotique de rna ete etabli par Bahadur (1966) et un resultat semblable a ete demontre par Babu (1989) pour un parametre de regression plus general estime par la methode des moindres ecarts absolus. Cet article a pour objectif d'etendre ces resultats en etablissant l'ordre stochastique de rnlorsque n ∞ dans le cadre abstrait decrit ci-haut.