Le modèle de Gibbs de tessellation permet de représenter une large gamme de données spatiales. Il peut être utilisé pour modéliser des paysages agricoles. Nous proposons une démarche statistique qui permet de générer des tessellations dotées de caractéristiques des paysages réels. Les paramètres du modèle sont estimés par la méthode du maximum de vraisemblance Monte Carlo. Les simulations nécessaires pour calculer l’estimateur sont réalisées à l'aide d'une dynamique de Metropolis-Hastings-Green adaptée. Afin de réduire le coût computationnel, un estimateur de la pseudo-vraisemblance est proposé pour l'initialisation de l'optimisation de la vraisemblance. L'évaluation du modèle est basée sur des tests d'enveloppes globales, appliqués à l'ensemble des statistiques fonctionnelles de la tessellation.