Le but de ce travail est de traiter les problèmes de recalage séquentiel de modèles par une approche basée sur une formulation complète de l’inférence bayésienne. La méthode de Transport Maps permet de déterminer un couplage entre une densité de référence et la densité a posteriori. L’apport de la méthode Proper Generalized Decomposition (PGD) permet de réduire les coûts d’évaluation du modèle numérique multi-paramétrique et d’accélérer le calcul de minimisation dans la méthode des Transport Maps en calculant les dérivées du modèle par rapport aux paramètres. Le couplage de ces méthodes permet d’envisager des calculs d’assimilation temps-réel.