L’objectif général de cette thèse est de développer des modèles mécanistes de l’utilisation de l’espace qui sont basés sur les déplacements des animaux, afin de comprendre et d’anticiper la répartition spatiale des populations animales dans des environnements hétérogènes et dynamiques. J’utilise et je développe des méthodologies qui intègrent autant la modélisation mathématique de la dynamique spatio-temporelle des déplacements que des analyses statistiques de données simulées et empiriques de déplacement. Dans mon premier chapitre, j’effectue une série de simulations afin de clarifier combien de grappes sont nécessaires lors d’une estimation par équations d’estimation généralisées, pour correctement tenir compte de la corrélation dans les données de déplacement et obtenir des inférences robustes sur la sélection de l’habitat. Mes simulations révèlent que 30 individus indépendants, chacun étant assigné à une grappe, suffisent pour éviter la mesure biaisée de l’incertitude sur la sélection de l’habitat lors des déplacements dans un environnement hétérogène. Dans le cas où moins de 30 individus sont disponibles, il est possible d’augmenter le nombre de grappes en divisant les données des individus, cependant il faut s’assurer de la présence d’une autocorrélation temporelle et d’une faible hétérogénéité interindividuelle dans les données. Dans mon deuxième chapitre, je développe un modèle statistique de déplacement permettant d’identifier différentes phases comportementales par lesquelles passent les individus (p. ex., alimentation, déplacements entre les parcelles de ressource) et de révéler la sélection de l’habitat spécifique à chaque phase, pour l’ensemble de la population et à partir de données collectées irrégulièrement. L’analyse de données simulées et empiriques de déplacement de trois grands herbivores dont le bison des prairies (Bison bison bison), le cerf à queue noire (Odocoileus hemionus) et le zèbre des plaines (Equus quagga) démontrent la robustesse et la bonne capacité de prévision du modèle. Cet outil statistique est également flexible puisque j’évalue différents processus écologiques à partir de ces données tels que l’alimentation, la migration ou encore les réponses comportementales face à un prédateur. De plus, je montre la nécessité de tenir compte des phases comportementales pour correctement caractériser la sélection de l’habitat lors des déplacements des animaux. Le développement mathématique que j’ai effectué dans mon troisième chapitre permet de coupler les déplacements des individus au sein d’un réseau de parcelles de ressources et le temps de résidence dans les parcelles afin de prévoir, de façon mécaniste, la répartition spatiale d’une population dans un environnement hétérogène. De plus, j’illustre une méthodologie pour identifier et prévoir le réseau théorique le plus représentatif de l’espèce étudiée. Je démontre à partir de l’application du modèle aux données de bisons des prairies, que la topologie du réseau théorique est cruciale pour correctement anticiper l’utilisation de l’espace d’une population, ainsi que pour implémenter des plans de gestion ou de conservation les plus réalistes possibles. Dans mon chapitre 4, je teste empiriquement la robustesse d’un réseau de parcelles de ressources lorsque celui-ci est perturbé par une fragmentation anthropique du paysage. Les résultats révèlent que les caribous des bois (Rangifer tarandus caribou) reconnectent certaines parcelles favorisant ainsi la robustesse du réseau. Cependant, les prévisions de la répartition spatiale des individus obtenues en utilisant le modèle mécaniste développé dans le chapitre 3 démontrent que, malgré la reconnexion, l’utilisation des parcelles de ressources par les caribous change suite à la perturbation. De plus, ce changement est plus soutenu lorsque ce sont les parcelles les plus connectées (c.-à-d., les pôles) qui sont fragmentées. Ma thèse apporte une contribution méthodologique pour mieux tenir compte de la corrélation dans les données de déplacement et intégrer les phases comportementales lors de l’analyse de la sélection de l’habitat dans des paysages hétérogènes. Mon travail permet aussi de faire le lien entre la théorie des réseaux et l’utilisation de l’espace pour prévoir d’une façon mécaniste la répartition spatiale des populations animales dans des environnements hétérogènes et dynamiques. Mon doctorat donne également lieu à une évaluation du contexte dans lequel la théorie des réseaux peut s’appliquer à l’écologie spatiale. Finalement, ma thèse vient améliorer notre compréhension mécaniste des déplacements de quatre espèces de grands herbivores. / In my thesis, I develop mechanistic models of space use based on animal movement, to understand and to predict population distribution in heterogeneous and dynamic landscapes. Used and developed methodologies couple mathematical modelling of the spatio-temporal dynamics of animal movement together with statistical analysis of simulated and empirical movement datasets. In my first chapter, I proceed in a series of simulations to clarify how many clusters are needed when using generalized estimating equations to correctly account for the correlation in movement data and to obtain robust inference on habitat selection. My simulations reveal that 30 independent individuals, each assigned to a cluster, are sufficient to avoid biased evaluation of the uncertainty on habitat selection along movement in heterogeneous environments. When less than 30 individuals are available, destructive sampling can be used but solely when temporal correlation is present and inter-individual heterogeneity is low in the data. In my second chapter, I develop a statistical movement model that allows to identify successive behavioral phases (e.g., foraging phase, inter-patch movement) together with behavior-specific habitat selection parameters, over the whole population and using temporally irregular data. Analysis of simulated and empirical movement data from three large herbivores including plains bison (Bison bison bison), mule deer (Odocoileus hemionus) and plains zebra (Equus quagga) show the robustness and the high predictive capacity of the model. This statistical tool is also flexible since I assess multiple ecological processes from those datasets such as foraging behavior, migratory behavior or prey-predator interactions. In addition, I show how accounting for behavioral phases in habitat selection analysis is crucial to correctly characterize habitat selection along animal movement. In my third chapter, I develop a mathematical framework to couple movement of individuals among a network of resource patches with residency time in patches to mechanistically predict space use in heterogeneous landscapes. In addition, I illustrate a methodology to identify and predict the most representative theoretical network for the target species. I show from model application on data of plains bison that the theoretical network topology is crucial to correctly infer population space use and implement realistic management and conservation planning. In my chapter 4, I empirically assess the robustness of a network of resource patches following landscape fragmentation from anthropogenic source. The analysis shows that woodland caribou (Rangifer tarandus caribou) reconnect some patches, thus causing robustness in their spatial networks. However, predictions on space use from the mechanistic model developed in chapter 3 reveal that, despite the rewiring, patch use change following the fragmentation. Moreover, this change is stronger when the most connected patches (i.e., the hubs) are impacted. My thesis provides a methodological contribution to better account for correlation in movement data and integrate behavioral phases in habitat selection analysis in heterogeneous landscapes. Besides, my work links network theory and space use to mechanistically predict population distribution in heterogeneous and dynamic environments. My research also assesses the context in which network theory can be applied to spatial ecology. Finally, my thesis improves our mechanistic understanding of animal movement in four species of large herbivores.