La cartographie du risque en épidémiologie permet de mettre en évidence la situation géographique de zones à faible ou fort risque de contamination, ainsi qu'une mesure des ``différences de risque" entre ces régions. Actuellement, les modèles de cartographie pour données groupées utilisés par les épidémiologistes sont basés sur des approches de type Bayésien hiérarchique se focalisant sur l'estimation du risque pour chaque unité géographique et appliquant un lissage spatial de type auto-régressif Gaussien. La classification des risques, nécessaire pour le tracé des cartes, est effectuée dans un deuxième temps. Par analogie avec les méthodes utilisées en analyse d'images, nous proposons une nouvelle méthode de cartographie du risque basée sur l'approche par champs aléatoires de Markov cachés. Le champ caché correspond à une classification du risque qui fait ainsi directement partie des paramètres à estimer. L'originalité de la cartographie du risque consiste notamment à modéliser le champ observé par une loi de Poisson, et non plus par une loi normale comme c'est généralement le cas en analyse d'images. De plus, dans ce contexte, l'ordre des classes, en lien avec leur situation géographique et leur interprétation en terme de gravité du risque, est très important. Les classiques fonctions de lien spatial, par exemple de type Potts, ne prennent pas en compte cette interprétation. Nous proposons donc de nouvelles fonctions de lien spatial permettant de tenir compte de l'ordre des classes. Afin d'estimer les paramètres du modèle et déterminer les classes de risque, nous utilisons l'algorithme EM, en particulier sa variante MCEM.