Les auteurs ont comparé dans cet article plusieurs modèles individuels avec une structure en choix discrets et des modèles agrégés où les variables expliquées sont des parts d’usage du sol. Ces modèles ont été estimés à partir d’une même base de données et comparés à la même échelle de prédiction. L’agrégation présente l’inconvénient de la perte d’information associée mais rend possible l’utilisation des méthodes économétriques plus sophistiquées, issues de l’économétrie spatiale en particulier. Ils montrent que les modèles agrégés présentent des prédictions souvent meilleures que les modèles individuels, et que modéliser explicitement les dépendances spatiales permet d’améliorer significativement les prédictions. Sur ce dernier résultat, les auteurs montrent également qu’il est important de choisir une forme non biaisée pour les prédictions issues des modèles spatiaux. Les obtenus résultats montrent qu’il n’est pas toujours intéressant d’exploiter les données d’usage des sols au niveau individuel lorsque le seul objectif est de faire des prédictions à une échelle agrégée. En tirant parti des progrès réalisés en économétrie spatiale, les auteurs montrent comment l’introduction de l’autocorrélation spatiale dans les modèles aggrégés permet d’avoir des prédictions plus précises que les modèles individuels.