Dans ce travail nous proposons une extension de la méthode MKF (Modified Kalman Filter), méthode d’assimilation de données basée sur les filtres de Kalman et l’Erreur en Relation de Comportement modifiée, pour les problèmes d’identification de champs de paramètres. L’idée de base est de séparer la discrétisation spatiale utilisée pour calculer l’état du système de celle utilisée pour représenter les champs de paramètres. L’intérêt est alors qu’il est possible de mettre en place des stratégies d’adaptation sur le maillage représentant le champ de paramètres au cours de l’assimilation de données, et ainsi réduire la dimension de l’espace des paramètres pour tendre vers le calcul en temps-réel.