La cueillette commerciale des plantes sauvages est une pratique ancestrale dont les modalités varient avec les cultures, les époques et les caractéristiques biologiques des plantes prélevées. Face à un regain de la popularité des plantes sauvages, de nombreuses espèces font face à d’importantes pressions de cueillette, localement très problématiques. Or il existe un important manque de données à leur sujet, qui empêche la mise en place d’actions et de régulations adaptées. Dans ce contexte, les SDM (Species Distribution Models) semblent une piste intéressante pour développer nos connaissances sur un grand nombre d’espèces avec un coût et une quantité de données limitées. Ainsi, cette étude s’est concentrée sur la capacité des SDM à prédire l'occurrence et l’abondance des plantes sauvages à fine échelle spatiale. Tout d’abord, j’ai cherché à prédire l'occurrence à fine échelle d’une plante cueillie modèle, le thym (Thymus vulgaris L.). Ensuite, j’ai conçu un protocole d'échantillonnage sur le terrain pour tester la capacité des SDM à prédire différentes métriques d'occurrence et d’abondance. J’ai ainsi pu tester la qualité des modèles face à un jeu de données indépendant conçu spécialement à cet effet. Les modèles développés ont montré une capacité moyenne à prédire l'occurrence et l’abondance du thym. Il reste beaucoup de variables à identifier et de points techniques à affiner. Cependant, les résultats restent prometteurs et offrent de belles perspectives pour l’utilisation des SDM pour une meilleure gestion locale de la cueillette.