Depuis de nombreuses années, l'estimation assistée par modèle est de plus en plus populaire. L'estimateur GREG (Generalized Regression) est une procédure assistée par modèle qui exploite des informations auxiliaires à travers un modèle de travail linéaire afin d'améliorer l'efficacité. Lorsque la relation sous-jacente entre les populations est linéaire, l'estimateur GREG est connu pour être plus performant que l'estimateur Horvitz-Thompson (HT). Dans cet article, nous étudions les performances relatives de GREG et HT dans un cadre à hypothèses faibles qui ne nécessite pas que le modèle linéaire soit correctement spécifié. Nous comparons leurs variances asymptotiques et montrons que, pour certains plans de sondage, GREG est toujours asymptotiquement plus efficace, tandis que pour d'autres, ce n'est pas nécessairement le cas. Nous fournissons une caractérisation précise des cas où un estimateur domine l'autre et utilisons ce résultat pour construire une procédure de test asymptotiquement valide permettant d'aider à choisir entre HT et GREG. Nous présentons les résultats d'une étude de simulation démontrant la bonne performance de la méthodologie proposée.