Cette étude présente une nouvelle méthode d'estimation pour les entrées et la structure d'une matrice A dans le modèle à facteurs linéaires X = AZ + E. Cela est appliqué à un vecteur observable X dans R^d avec Z dans R^K, un vecteur composé de variables aléatoires à variation régulière indépendantes, et un bruit indépendant de Z à queue légère E dans R^d. X est à variation régulière et sa mesure spectrale est alors discrète et entièrement caractérisée par la matrice A. Nous supposerons que chaque ligne de la matrice A somme à 1 et est parcimonieuse. De plus, la valeur de K n'est pas connue a priori. Le problème d'identification de la matrice A à partir de sa matrice de corrélation extrémale est abordé. En présence de variables pures, qui sont des éléments de X liés, via A, à un unique facteur latent, la matrice A peut être reconstruite à partir de la matrice de corrélation extrémale. Nos preuves d'identifiabilité sont constructives et ouvrent la voie à notre estimation innovante pour déterminer le nombre de facteurs K et la matrice A à partir de n observations faiblement dépendantes sur X.