Nous avons mis au point un modèle de probabilité bayésien pour étudier des données de marquage et de recapture. Trois versions différentes du modèle ont été appliquées à deux séries de données sur l'abondance de populations de saumoneaux du saumon de l'Atlantique en migration et les résultats ont été comparés à ceux de deux modèles courants de vraisemblance maximale, la méthode de Petersen et un modèle qui utilise des données stratifiées. Contrairement à ces modèles plus anciens, le nôtre peut utiliser des données éparses. De plus, même des liens faibles entre les paramètres étudiés et les facteurs qui les affectent peuvent servir à augmenter la plausibilité des estimations. Les présuppositions sous-jacentes à notre méthodologie sont plus réalistes que celles des modèles précédents, car elles tiennent compte de facteurs tels que la surdispersion que l'on s'attend à trouver dans les données de marquage-recapture de saumoneaux à cause de leur comportement de nage en bancs. Nos exemples montrent aussi que les présuppositions faites au sujet de la structure du modèle peuvent avoir un impact important sur la taille estimée de la population migratrice de saumoneaux, particulièrement en ce qui a trait à la précision de l'estimation.[Traduit par la Rédaction]