La compréhension des processus écologiques qui sous-tendent l’assemblage des communautés végétales et la coexistence des espèces est un objectif central en écologie. Ces processus sont potentiellement nombreux et de natures contrastées. Ainsi, la composition d’une communauté de plantes dépend de processus déterministes liés aux conditions environnementales abiotiques (climat, conditions physiques et chimiques du sol, lumière) et d’interactions biotiques complexes, positives (facilitation, symbioses) comme négatives (compétition, prédation, pathogènes). En outre, les communautés sont influencées par des processus stochastiques (capacité de dispersion limitée, dérive écologique). Si les mécanismes à l’origine de ces processus sont très différents, ils ont néanmoins en commun la génération de motifs (patterns) spatiaux de distribution d’espèces dans les communautés. L’analyse de la structure spatiale des communautés permet ainsi une étude indirecte des processus régissant les communautés. La nature complexe de ces patterns spatiaux a mené au développement de nombreuses méthodes statistiques de détection et de description de patterns. Les méthodes basées sur des vecteurs propres spatiaux sont parmi les plus puissantes et précises pour détecter des patterns complexes et multi-échelles. Ces vecteurs propres, utilisés comme prédicteurs spatiaux, peuvent être combinés à un ensemble de variables environnementales dans un cadre de partition de variation. Celui-ci permet, en théorie, de démêler les effets uniques et l’effet conjoint des variables environnementales et spatiales sur la variation de composition d’une communauté. Il mène ainsi à une quantification de l’action des processus déterministes et des processus stochastiques sur l’assemblage de la communauté. Néanmoins, je montre dans cette thèse qu’un certain flou méthodologique concernant deux étapes déterminantes des analyses basées sur les vecteurs propres spatiaux a mené une proportion élevée d’études à utiliser ces méthodes de manière sous-optimale, voire fortement biaisée. Ceci compromet la fiabilité des patterns spatiaux détectés et des processus écologiques inférés. Une autre limitation de ce cadre d’analyse concerne la fraction de la partition de variation décrivant l’effet environnemental spatialement structurés qu’aucune méthode ne permet de tester.Cette thèse présente des solutions non biaisées, puissantes et précises à ces différentes limitations méthodologiques et permet d’élargir le cadre de l’inférence de processus écologique à partir de patterns spatiaux de communautés. Les différentes étapes d’amélioration de ces méthodes ont également été illustrées dans la thèse au travers de trois cas d’études fournis par deux communautés d’arbres tropicale et tempérée et une communauté de champignons symbiotiques des arbres. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished