Cet article présente une nouvelle méthode de sélection d'ordre de modèle pour des applications en traitement du signal dans le cadre de grandes dimensions (cadre de la Théorie de Matrices Aléatoires (Random Matrix Theory (RMT))), lorsque le bruit, corrélé et supposé non-gaussien, suit un modèle symétrique elliptique complexe (CES) général de matrice de dispersion inconnue. La méthode proposée consisteà estimer la matrice de covariance du bruit grâceà sa structure de Toeplitz, puis, après un processus de blanchiment, les valeurs propres de n'importe quel M-estimateur sont exploitées pour estimer l'ordre du modèle. Cette méthodologie est appliquée sur des signaux issus de simulation et sur des images hyperspectrales et montre son efficacité en comparaison avec d'autres techniques classiques. Abstract-For signal processing application in large dimensional regime (large Random Matrix Theory), this paper presents a new model order selection technique when the noise is assumed to be Complex Elliptically Symmetric (CES) distributed, with an unknown scatter matrix. The proposed method consists first in estimating the background covariance matrix using its Toeplitz structure. Then, after a whitening process, the eigenvalues distribution of any Maronna's M-estimators are exploited, leading to the order selection. Simulations on hyperspectral images demonstrate the superiority of the proposed technique compared to other presented methods.