Dans de nombreux domaines d'application on utilise des données multidimensionnelles (cube de données, enregistrements multicomposantes), mais peu d'outils de séparation de sources prennent en compte la multidimensionnalité de ces données. A partir du filtrage SVD (méthode reconnue en séparation de sources), nous présentons quelques extensions de cette technique prenant en compte cet aspect multidimensionnel. Une extension présentée combine la SVD et l'ICA et permet d'améliorer la séparation de sources en proposant une contrainte d'orthogonalité moins forte sur les vecteurs de propagation. Une deuxième extension concerne la définition d'une méthode de filtrage purement multidimensionnelle ; la 3D SVD et la SVD Quaternionique. Des illustrations synthétiques et réelles sont présentées.