Notre contribution concerne les trois domaines complémentaires suivants: la différentiation automatique de programmes, l'optimisation de formes pour de grands systèmes, l'adaptation de maillages. Dans le chapitre 1 de la partie 1, nous exposons une méthode de calcul de gradients par Différentiation Automatique pour un problème classique d'optimisation de formes. Nous expliquons comment déduire un gradient exact basé sur un état adjoint sans stocker explicitement le jacobien. Le mode adjoint de la DA que nous proposons utilise beaucoup moins d'espace mémoire. Dans le chapitre 2 de la partie 2, nous proposons une méthode de type SQP pour résoudre une classe de problèmes d'optimisation avec contraintes égalités. Le nouvel algorithme permet une résolution simultanée du système d'optimalité. Cette méthode one shot combine efficacité et robustesse. Dans le chapitre 3 de la partie 2, nous étudions une nouvelle stratégie de préconditionnement pour l'optimisation de formes. Nous construisons un préconditionnement multiniveau additif à partir du principe classique de Bramble-Pasciak-Xu et du principe d'agglomération. Nous spécifions aisément le gain en régularité de notre préconditionneur avec un seul paramètre réel. Dans le chapitre 1 de la partie 3, nous étudions le problème du meilleur maillage adapté pour de l'interpolation pure. La résolution du système d'optimalité donne une expression complètement explicite de la métrique optimale en fonction de la fonction à adapter. Dans le chapitre 2 de la partie 3, nous étendons la méthode du chapitre précédent au problème de l'adaptation de maillage pour EDP. Notre méthode repose sur une analyse a priori rigoureuse puis sur une modélisation.