Nous étudions le problème de l'estimation de la perte, intégrant le choix d'un estimateur du paramètre au premier stage, la perte subie et le choix d'un estimateur de la perte au second stage de l'estimation. Le problème est abordé sous deux angles, soit avec une approche séquentielle où l'estimateur au premier stage et la perte sont fixés et l'optimisation est effectuée au second stage et avec une approche simultanée avec une perte conçue pour l'évaluation des estimateurs de la paire formée du paramètre et de la perte ensemble. Nous explorons diverses solutions bayésiennes et donnons des estimateurs minimax. L'analyse englobe maints modèles (normale multivariée, Gamma, Poisson, binomiale négative) et se rattache aux choix de pertes faits aux deux stages de l'estimation. Les résultats minimax utilisent une suite de lois a priori la moins favorable et reposent de manière critique sur des propriétés de solutions bayésiennes, notamment les cas où l'estimateur au second stage est constant.