Nous présenterons des méthodes numériques pour résoudre des équations aux dérivées partielles en grande dimension. Après un rappel sur les méthodes "sparse tensor product", nous détaillerons une approche (Proper Generalized Decomposition) qui a été proposée récemment par A. Nouy et F. Chinesta pour résoudre des problèmes paramétrés ou des équations de type Fokker-Planck, en dimension grande. L'analyse mathématique de cet algorithme repose sur la théorie des algorithmes "greedy" développée par V. Temlyakov, R. de Vore, A. Cohen, et collaborateurs. Quelques applications en finance seront présentées.