Lorsque la trop grande dimension \(d\) des données empêchent la mise en oeuvre de méthodes de traitements classiques , même les méthodes de réduction de dimension les plus courantes, telles que l’analyse en composantes principales (PCA) sont inapplicables. Nous nous interessons ici à la projection des données suivant des matrices aléatoires. Nous vérifierons les performances que permettent les projections aléatoires et notamment leurs propriété de conservation des distances. Ce travail se base principalement sur l’article de Ella Bingham et Heikki Mannila \cite{Bingham_2001}.