Abstract : This is a study concerning comparisons between the Dubovik Aerosol optical depth (AOD) retrievals from AEROCAN (ARONET) stations and AOD estimates from simulations provided by a chemical transport model (GEOS-Chem : Goddard Earth Observing System Chemistry). The AOD products associated with the Dubovik product are divided into total, fine and coarse mode components. The retrieval period is from January 2009 to January 2013 for 5 Arctic stations (Barrow, Alaska; Resolute Bay, Nunavut; 0PAL and PEARL (Eureka), Nunavut; and Thule, Greenland). We also employed AOD retrievals from 10 other mid-latitude Canadian stations for comparisons with the Arctic stations. The results of our investigation were submitted to Atmosphere-Ocean. To briefly summarize those results, the model generally but not always tended to underestimate the (monthly) averaged AOD and its components. We found that the subdivision into fine and coarse mode components could provide unique signatures of particular events (Asian dust) and that the means of characterizing the statistics (log-normal frequency distributions versus normal distributions) was an attribute that was common to both the retrievals and the model. / Résumé : Cette étude compare des épaisseurs optiques d’aérosols (AOD) à 5 stations arctiques d’AEROCAN (AERONET), obtenues d’une part à l’aide de l’algorithme d'inversion de Dubovik appliqué à des mesures in situ, et d’autre part du modèle de transport chimique (GEOS-Chem : Goddard Earth Observing Système Chemistry). Les produits d’AOD associés à l’algorithme d’inversion sont divisés en composantes totales, fines et grossières. Pour chacune des 5 stations (Barrow, Alaska, Resolute Bay, au Nunavut, 0PAL et PEARL (Eureka), Nunavut, et Thulé, au Groenland), la période de récupération est de janvier 2009 à janvier 2013. Nous avons également utilisé les mesureurs d’AOD de dix autres stations canadiennes de latitudes moyennes, à des fins de comparaison. Les résultats de l’étude ont été soumis à la revue Atmosphere-Ocean. Pour résumer brièvement ces résultats, le modèle a généralement, mais pas toujours, eu tendance à sous-estimer l'AOD moyenne et de ses composantes. Nous avons constaté que la subdivision en composantes fine et grossière pourrait fournir des signatures uniques d'événements particuliers (poussière asiatique) et que les moyens de caractériser des statistiques (les distributions de fréquence log-normale versus les distributions normales) était un attribut qui était commun aux deux les mesureurs et le modèle.