Les estimateurs à haut point de rupture des matrices de localisation et de dispersion multivariées, tels que l'estimateur avec rejet dur lissé et l'estimateur de Rocke, sont généralement conçus pour atteindre une efficacité maximale lorsqu'ils sont utilisés sur des données gaussiennes. Or, comme de nombreux phénomènes ne suivent pas la loi gaussienne, ces estimateurs sont susceptibles d'avoir une faible efficacité. Pour parer à cette limitation, le présent article propose un nouvel estimateur ajustable, appelé l'estimateur , pour la classe générale de lois elliptiques symétriques qui comprend de nombreuses familles classiques telles que les lois gaussienne, de Student, de Cauchy, de Laplace, hyperbolique et gaussienne inverse multivariées. C'est dans ce cadre que les auteurs de cet article montrent que, tout en conservant le plus haut point de rupture possible, l'estimateur offre une efficacité maximale plus élevée que celle d'autres estimateurs à haut point de rupture, qu'il présente une stabilité accrue vis‐à‐vis des conditions initiales, et qu'il offre une robustesse aux valeurs aberrantes comparable à celles des meilleurs estimateurs à haut point de rupture. En termes pratiques, ces caractéristiques font de l'estimateur une méthode bien utile aux professionnels. Cela est illustré par un exemple concret, à savoir, l'allocation optimale d'un portefeuille financier à variance minimale.