On considère généralement que les modèles arbre indépendant des distances ne permettent pas de rendre compte de la complexité des peuplements mélangés. En effet, la structure spatiale a souvent un rôle plus important sur la croissance et la dynamique dans ces peuplements que dans les peuplements purs. Les modèles arbre dépendant des distances sont quant à eux difficile à utiliser, car ils nécessitent une cartographie du peuplement qui est une information très coûteuse à obtenir et qui n'est pas disponible dans un cadre de gestion courante. Cet article présente un modèle intermédiaire entre un modèle arbre indépendant des distances et un modèle arbre dépendant des distances. Ce modèle a été développé pour simuler la croissance de peuplements mélangés. Il utilise des distributions de nombre de voisins pour reconstruire le voisinage des arbres. Ces voisinages reconstruits permettent ensuite de calculer les indices de compétition nécessaires dans l'équation de croissance. Les données ont été récoltées dans des peuplements mélangés de chêne sessile et de pin sylvestre dans le centre de la France. Ce travail montre que des indices de compétition locaux expliquent une part significative de la croissance individuelle et que la compétition intraspécifique est supérieure à la compétition interspécifique. Le modèle basé sur les distributions de voisinage donne des prédictions cohérentes par rapport au modèle arbre dépendant des distances. Ce type de modèle pourrait être utilisé à la place des modèles arbre dépendant des distances dans des contextes de gestion. / It is widely believed that distance independent tree models fail to take into account the complexity of mixed stands due to the fact that spatial structure often has a greater impact on growth and dynamics in mixed stands than in pure stands. On the other hand, distance-dependent tree models are difficult to use because they require a map of the stand, which is not only very costly but also impracticable in a routine management context. This paper reports the development of a model bridging distance-dependent and distance independent tree models, and that is designed to simulate the growth of a mixed forest. The model used distributions of the number of neighbours to reconstruct tree neighbourhoods and compute the competition indices needed as inputs to the growth model. Data were collected from a mixed forest of sessile oak and Scots pine in central France. The study showed that local competition indices explained a significant proportion of growth variability and that intraspecific competition was greater than interspecific competition. The model based on neighbourhood distributions gave consistent predictions compared to a distance-dependent model. This type of model could be used instead of distance-dependent models in management contexts.