Les yeux sont l'une des caractéristiques les plus saillantes du visage humain. La localisation de la pupille de l'oeil permet d'obtenir des informations importantes qui peuvent être utilisées dans plusieurs applications de vision par ordinateur. Plusieurs eye-trackers commercialisés aujourd'hui peuvent estimer avec précision sa position. Cependant les spécifications matérielles très complexes et l'environnement de l'utilisateur contrôlé (résolution suffisante de l'image de l'oeil, bonnes conditions d'éclairage, légères variations de la pose de la tête) rendent ces solutions impossibles à utiliser dans un environnement arbitraire. Dans cet article, nous présentons une approche basée sur les arbres de régression aléatoires projetés sur l'espace de Hough pour estimer la position de la pupille. Nous démontrons à partir de plusieurs évaluations sur des bases de données publiques références que notre approche est très robuste aux conditions d'éclairage, à l'échelle, aux mouvement des yeux et aux fortes variations de la pose de la tête, et qu'elle apporte une amélioration significative par rapport aux méthodes existantes de l'état de l'art. Eyes are one of the most salient feature of the human face. The location of the eye-pupil allows to access to important informations and can be used in several computer vision applications. Several commercial eye-trackers can estimate with a good accuracy the eye-pupil location, but need a complex hardware specifications with a controlled user environment (sufficient eye image resolution, good illumination, small head pose variations) making these solutions impossible to use on an arbitrary environment. In this paper, we present an approach based on Hough random forest, we demonstrate by several evaluations on challenging public datasets that our approach is very robust to illumination, scale, eye movements and high head pose variations and yields a significant improvement regarding to a wide range of state of the art methods