Cette étude porte sur les modèles de régression linéaire dans lesquels les covariables sont soumises à la fois à des erreurs de mesure et à une censure. Nous proposons un processus d'estimation en deux étapes qui combine la méthode des variables instrumentales (IV) avec la modélisation de régression censurée et dérivons des estimateurs cohérents des paramètres de pente et d'ordonnée à l'origine. Nos études de simulation suggèrent que les estimateurs obtenus sont non biaisés et présentent une erreur quadratique moyenne inférieure à celle des estimateurs basés sur les méthodes SIMEX et naïves, pour différentes distributions de modèles, différents scénarios de censure et différentes tailles d'échantillons. Cela démontre l'importance de prendre en compte à la fois la censure et l'erreur de mesure dans l'estimation des paramètres dans de tels modèles de régression linéaire. Notre méthode d'estimation est ensuite validée à l'aide d'une application sur des données réelles.