Les méthodes basées sur la régression ne performant pas aussi bien que les méthodes basées sur la détection pour l'estimation de la posture humaine, un problème central est que l'information structurelle dans la posture n'est pas suffisamment exploitée par les méthodes de régression précédentes. Dans ce travail, nous proposons une approche de régression sensible à la structure. Cette méthode adopte une représentation de la posture reparamétrée utilisant des os plutôt que des articulations. Elle exploite la structure de connexion des articulations pour définir une fonction de perte compositionnelle qui encode les interactions à longue portée dans la posture. Simple, efficace et générale, cette approche s'applique à l'estimation de la posture en 2D et en 3D dans un cadre unifié. Une évaluation exhaustive valide l'efficacité de notre approche. Elle avance considérablement l'état de l'art sur Human3.6M et est compétitive avec les résultats les plus avancés sur MPII.