Les modèles mathématiques de transmission des maladies infectieuses sont essentiels pour comprendre la dynamique spatiale et étayer les décisions en matière de santé publique. Les modèles individuels (ILM) fournissent des représentations détaillées de la transmission, mais leur calcul est très gourmand en ressources informatiques lorsqu'ils portent sur des populations importantes. Nous développons un modèle de processus de Poisson (PP) spatio-temporel et comparons ses performances à celles d'un modèle ILM classique dans un cadre Susceptible-Infectieux-Guéri. Le modèle PP utilise une fonction d'intensité combinant un noyau de distance avec des effets covariables dans un cadre de vraisemblance, avec des paramètres estimés par maximum de vraisemblance. À l'aide d'épidémies simulées et d'une année de données sur la pneumonie au Manitoba, nous constatons des modèles de paramètres et des effets covariables similaires dans les deux approches. Dans les prévisions à un pas, le modèle PP offre des performances comparables à celles du modèle ILM, tout en nécessitant beaucoup moins de calculs. Cela démontre que le cadre PP offre une alternative efficace et évolutive pour modéliser la dynamique spatiale des maladies infectieuses.