Customiser/forcer un peu une ACP

Bonjour tout le monde, 

Voilà j'ai réalisé une ACP sur un ensemble d'individus et de variables (jusqu'ici c'est classique). 
Grâce à cette ACP j'ai pu observer des groupes d'individus qui différaient vraiment en fonction de la valeur de certaines variables. 

Du coup j'ai voulu voir l'évolution de ces groupes d'individus au cours du temps en fonction des variables. J'ai donc lancé une ACP sur chaque jour du mois pour voir l'évolution des individus et variables au cours du temps. 
Les groupes d'individus intéressants sont toujours fonction des même variables mais la contribution évolue aussi au cours du temps. 
Du coup en regardant conjointement le graphe des individus et le graphe des variables on se rend bien compte de ce qu'il se passe. 

L'idée que j'ai serait de représenter les individus et les variables toujours au cours du temps mais cette fois en "forçant" un peu la représentation, i.e. en forçant un peu le fait d'avoir les variables intéressantes toujours sur le même axe (on va dire axe 1). 
J'avais testé en faisant ACP uniquement sur les variables qui m'intéressaient en mettant les autres en supplémentaires. Mais là encore le représentation n'est pas optimale pour quelqu'un qui n'a pas l'habitude des stats (ah oui c'est pour des non statisticiens). 

Alors sinon pourrais je faire une représentation plus simple qu'une ACP (qui a l'avantage de prendre un grand nombre de variables et de le projeter sur un plan)? 

Avec un k-means puis-je sinon forcer également les "classes" que je veux obtenir? Car en le faisant j'ai des groupes qui se distinguent mais pas forcément en fonction des variables qui m'intéressent ... et en ne mettant que les variables d'intérêt avec le k-means la découpe se fait pas en fonction de valeurs "intéressantes". 

Quelqu'un a une idée? 

En vous remerciant pour toute aide ou tout conseil, 

Gu.

Forcer une ACP, ça n'a pas de sens c'est même contraire aux principes de l'ACP.
Pour faire des comparaisons temporelles tu peux regarder du côté de statis, qui est une analyse dite k-tableau. Mais la on part dans des choses beaucoup plus complexes.

Oui effectivement c'est ce que je pensais pour l'ACP et le kmeans d'ailleurs. 
Mais bon j'imaginais que peut être quelqu'un avait déjà observé ce type de "frustration"  

Je vais surtout regarder du côté des méthodes de prédictions pour "prévoir" l'appartenance aux groupes d'intérêts (reg.log je pense qui semble adaptée vu que l'appartenance au groupe est une var. qualitative). 

Après c'est le côté temporel qui est compliqué à gérer ... ou sinon faire une méthode qui à la suite d'une ACP décrit automatiquement les axes en fonction des variables de forts intérêts? 

Compliqué tout ça, compliqué  

Merci quand même pour l'info qui confirme bien ce que je pensais. 

Cdlt, 

Gu.