Understanding the distribution and abundance of species is a fundamental aspect of conservation biology. Species distribution models aim to predict distributions based on species observations and ecologically relevant information. To understand the contemporary distribution of Wild Turkeys (Meleagris gallopavo) in Ontario, we curated and collated Wild Turkey flock observations from eBird and iNaturalist submitted during winter 2018. We combined these with environmental predictors to build distribution models using MaxEnt and evaluated model fit using 10-fold cross validation. We also estimated total population size for this species under different modeling scenarios. The potential presence of unknown spatial bias in community science datasets is a complex problem often requiring context-specific statistical solutions. Data cleaning, sometimes referred to as thinning, filtering, or culling, is often proposed to manage this bias. As such, we tested the effect of data cleaning on model outputs and on subsequent analyses. We evaluated all models using area under the curve (AUC). We found building density to be the most important environmental variable followed by winter severity. We validated our habitat suitability estimates using fine-scale GPS data and found that data cleaning had no effect on habitat suitability estimates inside available Wild Turkey habitat or inside core-use areas, except at one site in 2012 (t = -2.2, P = 0.04, df = 14). Use of community collected data offers a cost-efficient and collaborative method to obtain data for species distribution modeling and management. We discuss implications for Wild Turkey management and present potential contemporary distribution maps for this species. Combinaison de science citoyenne et de modélisation MaxEnt pour estimer l'abondance et la répartition hivernale du Dindon sauvage (Meleagris gallopavo)RÉSUMÉ. La compréhension de la répartition et de l'abondance des espèces est un des aspects fondamentaux de la biologie de la conservation. Les modèles de répartition d'espèces visent à prédire la répartition sur la base d'observations d'espèces et d'informations écologiquement pertinentes. Pour établir la répartition contemporaine du Dindon sauvage (Meleagris gallopavo) en Ontario, nous avons extrait et colligé les observations de groupes de dindons provenant d'eBird et d'iNaturalist soumises au cours de l'hiver 2018. Nous les avons combinées avec des variables explicatives environnementales pour construire des modèles de répartition à l'aide de MaxEnt et avons évalué l'ajustement des modèles à l'aide d'une validation croisée répétée 10 fois. Nous avons également estimé la taille de la population selon différents scénarios de modélisation. La présence potentielle d'un biais spatial inconnu dans les jeux de données issus de programmes de science citoyenne est un problème complexe qui nécessite souvent des solutions statistiques spécifiques au contexte. Pour gérer ce biais, il est souvent proposé aux spécialistes de procéder au nettoyage des données, parfois appelé «...