Depuis quelques années, un nombre croissant d’études ont montré que l’imagerie spectroscopique Visible Proche-Infrarouge (0.4-2.5μm) aéroportée peut fournir une estimation géo-localisée de plusieurs propriétés de sol telles que l’Argile, la matière Organique, le Carbonate de Calcium ou encore le Fer. Ces estimations sont généralement réalisées par le biais de modèles de régression multi-variés, construit en Cross-validation sur des bases de données d’étalonnage, puis validées sur des bases de données indépendantes. La performance globale de ces modèles est étudiée à travers l’analyse d’indices tels que l’Erreur Standard de Prédiction (SEP), le coefficient de détermination (R2), ou encore l’Erreur quadratique moyenne (RMSEP). Au-delà de ces indices reflétant la performance globale des modèles, l’analyse de l’erreur et de l’incertitude affectant chaque nouvelle prédiction reste un enjeu. On peut définir l’erreur de prédiction comme « l’écart entre la valeur prédite et la valeur vraie ». Et on peut définir l’incertitude comme « la variance des prédictions ». Cette étude s’intéresse à l’estimation et l’interprétation de l’incertitude associée à chaque nouvelle prédiction. Les données spectrales considérées dans cette étude sont des données aéroportées acquises par le capteur AISA-DUAL (280 bandes spectrales entre 0.4-2.5μm), sur le Bassin Versant du Lebna (300 km², Tunisie), avec une résolution spatiale de 5 m. Un modèle de régression PLS (Partial Least Square) a été construit à partir d’une base de données de 96 individus afin de prédire le taux d’Argile et validé par une base de données indépendante de 32 individus. Trois expressions de l’incertitude associée aux prédictions d’Argile, développées initialement par Fernandez-Ahumada et al. (2012) pour des modèles de régression calés sur des données spectrales de Laboratoire, ont été testées sur nos données aéroportées : i) un 1er terme exprime l’incertitude liée au modèle de régression, ii) un 2ème terme exprime l’incertitude liée au spectre permettant la prédiction, et iii) un 3ème terme exprime la dépendance des deux premiers. De plus des expressions d’incertitude plus communément employées telles que le Leverage, la distance de Mahalanobis et la variance de prédiction par Boostrap, ont également été testées. La dimension spatiale de nos données a été prise en compte dans l’étude de cette incertitude associée aux prédictions. Une analyse de ces différentes expressions d’incertitude a permis de mieux comprendre l’origine des différentes sources d’incertitude et de mettre en évidence des zones à fort risque de mauvaises prédictions.