Modéliser les mouvements de dispersion nécessite d'associer aux éléments paysagers des valeurs de coût caractérisant leur résistance aux déplacements. En landscape genetics, l'inférence de ces valeurs se fait à partir de mesures de différenciation génétique entre populations. Bien que l'hétérogénéité spatiale des tailles de populations puisse aussi influencer de façon significative la différenciation génétique, les variables intra-populationnelles sont rarement prises en compte dans ce type d'inférence. Nous avons étudié à quel point la prise en compte de ces variables pouvait améliorer l'inférence des coûts. Pour cela, nous avons simulé des flux de gènes entre 60 populations dont le degré d'agrégation spatiale et les tailles étaient variables. Nous avons ensuite calibré des modèles gravitaires expliquant la différenciation génétique entre populations à l'aide i) de variables intra-populationnelles (taille des populations, surface des taches d'habitat occupées) et ii) de variables inter-populationnelles. Ces dernières variables étaient des distances-coût entre populations calculées selon plusieurs scénarios de coût ‘alternatifs'. L'objectif était d'évaluer l'influence des variables intra-populationnelles sur la capacité des modèles à distinguer les scénarios de coût selon leur degré de ressemblance avec le ‘vrai' scénario de coût déterminant le flux de gènes. L'inférence des valeurs de coût était souvent correcte indépendamment de l'inclusion de variables intra-populationnelles dans les modèles. Néanmoins, le ‘meilleur' scénario identifié par les modèles différait parfois du ‘vrai' scénario de coût. De plus, lorsque le taux de migration était faible, que la taille des populations dépendait de la surface des taches et que certaines populations étaient agrégées spatialement, l'inférence était améliorée de façon significative par l'inclusion de variables intra-populationnelles dans les modèles. Afin d'améliorer la compréhension de l'impact du paysage sur la dispersion des espèces, les analyses de landscape genetics devraient davantage considérer l'hétérogénéité des tailles de populations ainsi que leur distribution spatiale.