La simulation numérique occupe une part de plus en plus importante dans les phases de conception mais aussi de validation de systèmes innovants. Dans le cadre de la conception d’une chaîne de traction d’un véhicule électrique, la simulation numérique peut par exemple être employée pour choisir une technologie de moteur électrique ou encore pour mettre au point des stratégies de pilotage au regard de critères de décision tels que l’autonomie du véhicule, son coût mais aussi sa performance.Les systèmes devenant de plus en plus complexes, ils requièrent des simulations de plus en plus fines afin d’appréhender au mieux les phénomènes qu’ils mettent en œuvre - par exemple l’étude des pertes fer dans une machine électrique. L’utilisation de simulations 3D permet d’avoir des résultats très précis à l’échelle d’un organe mais ne se prête pas encore aujourd’hui à l’étude de systèmes de grande taille (c’est-à-dire avec beaucoup de degrés de liberté, de nombreux paramètres d’optimisation et plusieurs domaines de la Physique en jeu). En effet, les simulations 3D sont d’autant plus coûteuses en temps de calcul que le modèle à étudier contient de degrés de liberté. C’est pourquoi, depuis quelques années les techniques de réduction de modèles attisent les développements. En effet, elles permettent de garantir un bon compromis entre le temps de calcul et la précision des résultats produits par les modèles réduits.Nous nous intéressons ici à l’utilisation de ces techniques dans un contexte industriel autour de deux axes : - l’étude de phénomènes thermiques (dans les modules d’électronique de puissance) - l’étude de phénomènes électromagnétiques (dans les machines électriques) / Numerical simulations are widely used during the design phase of a product but also for the validation of an innovative system. For example, during the conception of an electric vehicle’s powertrain, numerical simulations can be used to select the appropriate electric engine technology or for the development of control strategies taking into account decision criteria such as vehicle’s autonomy, but also its cost and performance.System’s complexity is always increasing, so they require more and more precise simulations in order to better understand the phenomena involved - for example to study iron losses in an electric engine. 3D simulations provide very accurate results to study a body but are still not appropriate today for the study of large scale systems (ie. with many degrees of freedom, many optimization parameters and several areas of Physics). Indeed, 3D simulations computing time cost is directly linked with the number of degrees of freedom. That’s why, in recent years, model order reduction techniques stir developments because they guarantee a good compromise between the computation time and accuracy of results produced by these models.In this study, we are interested in techniques that can be used in an industrial context around two axes: - the study of thermal phenomena (in the power electronics modules) - the study of electromagnetic phenomena (in electric engines)