Assessing the success of soil reclamation programs can be costly and time-consuming due to the cost of traditional soil analytical techniques. One cost-effective tool that has been successfully used to efficiently analyze a range of soil parameters is reflectance spectroscopy. We used reflectance data to analyze natural and reclaimed soils in the field, examining three key soil parameters: soil organic carbon (SOC), total nitrogen (TN), and soil pH. Continuous wavelet transforms combined with machine learning models were used to predict these parameters. Based on the root mean square error (RMSE), R 2 value, and the ratio of performance to deviation (RPD), the Cubist model produced the most accurate models for SOC, TN, and pH. The RMSE, R 2 , and RPD values for SOC were 0.60%, 0.80, and 2.2, respectively. The TN model results were 0.05%, 0.81 and 2.5, and pH model results were 0.44, 0.69 and 1.8. Overall, the optimal model can be used to predict SOC and TN accurately, and improvements in the pH model are needed as pH values less than 6.5 were consistently overpredicted.Key words: reflectance spectroscopy, reclamation, carbon, nitrogen.Résumé : Le coût des techniques classiques d'analyse du sol rend parfois l'efficacité des programmes de restauration du sol aussi onéreuse que laborieuse à évaluer. La spectroscopie par réflectance est une technique rentable dont on s'est servi pour analyser efficacement un éventail de paramètres du sol. Les auteurs ont recouru à la réflectance pour analyser des sols naturels et restaurés sur le terrain, notamment les trois grands paramètres que sont la teneur en carbone organique, la concentration d'azote total et le pH. Ils ont prévu ces paramètres en combinant les transformées d'ondelettes continues et des modèles d'apprentissage machine. D'après l'écart-type, le coefficient R 2 et le ratio performance/écart (RPD), le modèle cubiste est celui qui donne les résultats les plus précis pour le carbone organique du sol, la concentration totale d'azote et le pH. L'écart-type, le coefficient R 2 et le RPD du carbone organique du sol s'établissent respectivement à 0,60 %, 0,80 et 2,2. Les résultats du modèle de l'azote total se chiffrent à 0,05 %, 0,81 et 2,5, tandis que ceux du modèle du pH sont de 0,44, 0,69 et 1,8. En règle générale, on peut se servir du modèle optimal pour prévoir avec précision la concentration de carbone organique et celle d'azote total dans le sol; il faudrait améliorer le modèle du pH, car il y a toujours surestimation des prévisions quand le pH est inférieur à 6,5. [Traduit par la Rédaction]