Les cétacés grands plongeurs, cachalots Physeteridae et Kogiidae, et baleines à bec Zipiidae, sont des espèces marines rares. Leur faible densité, aire de distribution étendue et faible disponibilité en surface génèrent de faibles taux d’observations. Cette particularité constitue un défi pour la modélisation d’habitat de ces espèces, préalable à leur conservation. Les modèles doivent gérer l’abondance de zéros qui limitent leur capacité à inférer des résultats écologiquement cohérents. Cette thèse vise donc à trouver une méthodologie adaptée aux jeux de données abondants en zéros, à déterminer comment les variables environnementales influencent la distribution des grands plongeurs et à prédire les zones potentielles qu’ils utilisent. Tester la capacité de prédiction de différents modèles d'habitat confrontés à un nombre décroissant d’observations a permis de souligner la pertinence d’un modèle, même si un minimum de 50 observations est nécessaire pour fournir des prédictions fiables. Des données issues de différentes campagnes visuelles ont été assemblées afin de produire les premières cartes de densités de grands plongeurs à l’échelle de l’océan Atlantique Nord et la mer Méditerranée. Les densités les plus élevées sont prédites dans les eaux entre 1500 et 4000 m de profondeur et près des fronts thermiques, particulièrement le long des pentes continentales et à l'ouest de l'océan Atlantique Nord. Par ailleurs, l’analyse de la transférabilité des modèles a montré une variation des habitats préférentiels en fonction des écosystèmes. Finalement, cette thèse permet de discuter les défis de la modélisation statistique appliquée aux espèces rares et les applications de gestion associées. / Deep-diving cetaceans, sperm- and beaked whales Physeteridae, Kogiidae and Ziphiidae, are rare marine species. Due to their low densities, wide distribution ranges and limited presence at the water surface, visual surveys usually result in low sighting rates. This paucity of data challenges the modelling of their habitat, prerequisite for their conservation. Models have to cope with a great number of zeros that weakens the ability to make sound ecological inferences. Consequently, this thesis aimed at finding a methodology suitable for datasets with a large number of zeros, determining how environmental variables influence deep-diver distributions and predicting areas preferentially used by these species. By testing the predictive performance of various habitat models fitted to decreasing numbers of sightings, I selected the most suitable model and determined that at least 50 sightings were needed to provide reliable predictions. However, individual surveys can rarely provide sufficient deep-diver sightings thus I merged many visual survey datasets to produce the first basin-wide deep-diver density maps in the North Atlantic Ocean and the Mediterranean Sea. Highest densities were predicted in waters from 1500-4000 m deep and close to thermal fronts ; hotspots were predicted along the continental slopes, particularly in the western North Atlantic Ocean. In addition, a model transferability analysis highlighted that habitat drivers selected by the models varied between contrasted large ecosystems. Finally, I discussed challenges related to statistical modelling applied to rare species and the management applications of this thesis.