La saisonnalité joue un rôle crucial dans la dynamique de transmission de nombreuses maladies infectieuses, contribuant aux fluctuations périodiques de l'incidence des maladies. Le modèle au niveau individuel dépendant de la géographie (GD-ILM), développé précédemment, s'est avéré efficace pour modéliser les maladies infectieuses, mais il n'intègre pas les effets saisonniers, ce qui limite sa capacité à saisir les tendances saisonnières. Dans cette étude, nous étendons le GD-ILM en introduisant une composante de transmission qui varie selon les saisons, ce qui permet au modèle de prendre en compte les fluctuations périodiques du risque d'infection. Notre approche intègre un noyau d'infection à forçage saisonnier pour modéliser les changements périodiques des taux de transmission. Pour surmonter les difficultés de calcul, nous mettons en œuvre un algorithme Monte Carlo d'estimation-maximisation conditionnelle pour estimer les paramètres. Nous appliquons notre modèle amélioré à des données sur la grippe du Manitoba, en examinant les schémas d'infection spatiaux et saisonniers afin d'identifier les régions et les périodes à haut risque, ce qui permet d'élaborer des stratégies d'intervention ciblées.