Cet article présente une comparaison de trois méthodes (Modèles Linéaires Généralisés, Réseaux de Neurones, Machines Vecteurs Supports) et de différentes combinaisons de prétraitements de données (filtrage, arrondi, analyse factorielle, sélection de paramètres). L'objectif de cette comparaison est de définir quel est le processus qui permet de construire le meilleur modèle prédictif, dans le cadre de la prédiction d'abondances d'espèces d'oiseaux à partir de variables décrivant le paysage. Nous comparerons les modèles grâce à l'erreur moyenne absolue et à l'information mutuelle. Cette comparaison a montré qu'aucune technique étudiée ne permet de construire des modèles prédictifs très précis, mais que des réseaux de neurones appliqués sur des données filtrés permettent de modéliser les zones de présence et d'absence des espèces.