Pour identifier les différents profils types parmi les répondants, nous utilisons une analyse de cluster basée sur l'algorithme k-means. Cette approche permet de regrouper les individus selon leurs ressemblances sur un ensemble précis de caractéristiques. Chaque individu est ainsi placé dans le groupe avec lequel il partage le plus de similitudes avec la moyenne des autres membres, formant ainsi des profils distincts.

Les données mobilisées proviennent du sondage pilote mené par Datagotchi et prennent compte de plusieurs dimensions clés, notamment les intentions de vote, la participation électorale ainsi que diverses caractéristiques socio-démographiques. Afin de déterminer le nombre optimal de profils à créer, nous utilisons deux indicateurs reconnus: le score de silhouette et la méthode du coude. Ces techniques nous permettent d'évaluer clairement à quel moment l'ajout d'un nouveau groupe cesse d'améliorer significativement l'organisation des données.

Une fois les groupes constitués, nous caractérisons chacun d'eux en identifiant les variables qui les distinguent le plus nettement de la moyenne générale. Cette démarche révèle les spécificités propres à chaque profil.

En complément, l'analyse des habitudes et des préférences liées au style de vie permet de dresser un portrait détaillé des groupes et de souligner leurs principales différences. Le nom de chacun des profils a été choisi en fonction des prénoms les plus populaires, dans leur région de résidence, à l'année de naissance moyenne du groupe.