Le feu joue un rôle important dans la succession de la forêt boréale du nord-est de l’Amérique et le temps depuis le dernier feu (TDF) devrait être utile pour prédire la distribution spatiale du carbone. Les deux premiers objectifs de cette thèse sont: (1) la spatialisation du TDF pour une vaste région de forêt boréale de l'est du Canada (217,000 km2) et (2) la prédiction du carbone de la biomasse aérienne (CBA) à l’aide du TDF à une échelle liée aux perturbations par le feu. Un modèle non paramétrique a d’abord été développé pour prédire le TDF à partir d’historiques de feu, des données d'inventaire et climatiques à une échelle de 2 km2. Cette échelle correspond à la superficie minimale d’un feu pour être inclus dans la base de données canadienne des grands feux. Nous avons trouvé un ajustement substantiel à l’échelle de la région d’étude et à celle de paysages régionaux, mais la précision est restée faible à l’échelle de cellules individuelles de 2 km2. Une modélisation hiérarchique a ensuite été développée pour spatialiser le CBA des placettes d’inventaire à la même échelle de 2 km2. Les proportions des classes de densité du couvert étaient les variables les plus importantes pour prédire le CBA. Le CBA co-variait également avec la vitesse de récupération du couvert au travers de laquelle le TDF intervient indirectement. Finalement, nous avons comparé des estimations de CBA obtenues par télédétection satellitaire avec celles obtenues précédemment. Les résultats indiquent que les proportions des classes de densité du couvert et des types de dépôts ainsi que le TDF pourraient servir comme variables auxiliaires pour augmenter substantiellement la précision des estimés de CBA par télédétection. Les résultats de cette étude ont montré: 1) l'importance d’allonger la profondeur temporelle des historiques de feu pour donner une meilleure perspective des changements actuels du régime de feu; 2) l'importance d'intégrer l’information sur la reprise du couvert après feu aux courbes de rendement de CBA dans les modèles de bilan de carbone; et 3) l'importance de l'historique des feux et de la récupération de la végétation pour améliorer la précision de la cartographie de la biomasse à partir de la télédétection. / Fire is as a main succession driver in northeastern American boreal forests and time since last fire (TSLF) is seen as a useful covariate to infer the spatial variation of carbon. The first two objectives of this thesis are: (1) to elaborate a TSLF map over an extensive region in boreal forests of eastern Canada (217,000 km2) and (2) to predict aboveground carbon biomass (ABC) as a function of TSLF at a scale related to fire disturbances. A non-parametric model was first developed to predict TSLF using historical records of fire, forest inventory data and climate data at a 2-km2 scale. Two kilometer square is the minimum size for fires to be considered important enough and included in the Canadian large fire database. Overall, we found a substantial agreement at the scale of both the study area and landscape units, but the accuracy remained fairly low at the scale of individual 2-km2 cells. A hierarchical modeling approach is then presented for scaling-up ABC from inventory plots to the same 2 km2 scale. The proportions of cover density classes were the most important variables to predict ABC. ABC was also related to the speed of post-fire canopy recovery through which TSLF acts indirectly upon ABC. Finally, we compared remote sensing based aboveground biomass estimates with our inventory based estimates to provide insights on improving their accuracy. The results indicated again that abundances of canopy cover density classes of surficial deposits, and TSLF may serve as ancillary variables for improving substantially the accuracy of remotely sensed biomass estimates. The study results have shown: 1) the importance of lengthening the historical records of fire records to provide a better perspective of the actual changes of fire regime; 2) the importance of incorporating post-fire canopy recovery information together with ABC yield curves in carbon budget models at a spatial scale related to fire disturbances; 3) the importance of adding disturbance history and vegetation recovery trends with remote sensing reflectance data to improve accuracy for biomass mapping.