Les grands carnivores recolonisent l’Europe grâce à une augmentation des forêts et des populations d'ongulés sauvages ainsi que des mesures de conservation. Or, les carnivores entrent en interactions avec les activités humaines telles que l’élevage. Quantifier leur distribution peut aider à situer les impacts sur ces activités. Ces espèces sont très mobiles, difficiles à observer et vivent à de faibles densités. La modélisation de leur distribution présente plusieurs défis en raison 1) de leur détectabilité imparfaite, 2) de leur distribution dynamique dans le temps et 3) du suivi à grande échelle basé sur la collecte de données opportunistes sans mesure formelle de l'effort d'échantillonnage. Dans cette thèse, nous nous sommes concentrés sur deux espèces de grands carnivores, le loup et le lynx boréal, pour développer les méthodologies liées à la modélisation de la distribution d’espèces. Nous avons exploré l’application des modèles d’occupancy dans le contexte du suivi des grands carnivores en Europe. Ces modèles établissent le lien entre la présence d’une espèce et l’environnement dans le but d’établir la proportion d'une zone d'étude que l’espèce occupe, tout en prenant en compte une détectabilité imparfaite.Plus précisément, nous avons d'abord évalué la dynamique de la distribution des loups en France de 1994 à 2016, tout en prenant en compte leur détection imparfaite. Nous avons montré l'importance de prendre en compte l’effort d'échantillonnage variant dans le temps et dans l'espace à l’aide de de modèles d’occupancy dynamique.Deuxièmement, comme des faux positifs peuvent être présents lors de la surveillance d'espèces rares, nous avons développé un modèle dynamique d’occupancy qui tenait compte simultanément des faux négatifs et des faux positifs pour analyser conjointement des données qui contenaient à la fois des détections certaines et des détections incertaines. L'analyse des données sur le lynx boréal dans les pays alpins a suggéré que l'incorporation de détections incertaines produisait des estimations des paramètres écologiques plus précises.Troisièmement, nous avons développé un modèle qui prenait en compte l'hétérogénéité de la détection tout en traitant les faux positifs. En appliquant notre nouvelle approche au loup en France, nous avons démontré que l'hétérogénéité de la détection du loup était principalement due à un effort d'échantillonnage hétérogène dans l'espace.Quatrièmement, pour traiter des sources de données multiples, nous avons développé un modèle de processus ponctuel de Poisson qui permettait l'inclusion de différentes sources de données lors de la construction des SDMs. Nous avons montré comment la combinaison des données sur la distribution permettait d’optimiser un suivi en répondant à la question de savoir quelle(s) source(s) d'information apporterait l’essentiel de l’information lors du suivi du lynx en Norvège.Cinquièmement, pour comprendre les mécanismes sous-jacents de la colonisation des loups en France, nous avons développé un cadre statistique pour estimer l'occupation spatio-temporelle et la dynamique des effectifs en utilisant le cadre de diffusion écologique. Nous avons montré le potentiel de notre approche pour prédire la distribution future potentielle du loup à court terme, un élément qui pourrait contribuer à cibler des zones de gestion ou se concentrer sur des zones de conflit potentiel.Dans l'ensemble, nos travaux montrent que les données opportunistes peuvent être analysées à l'aide de modèles de distribution d’espèces qui prennent en compte les contraintes liées au type de suivi utilisé pour produire les données. Nos approches peuvent être utilisées par les gestionnaires pour optimiser la surveillance des grands carnivores, cibler des zones de présence potentielles et contribuer à proposer des mesures destinées à atténuer les conflits.