L'objectif de nos travaux est d'analyser des traces d'EIAH pour proposer à l'enseignant des restitutions qu'il puisse exploiter en classe. Il s'agit par exemple de lui proposer des groupes d'élèves qui pourront travailler ensemble dans des ateliers (et non la proposition de parcours individualisés difficiles à mettre en oeuvre en présentiel). Nous dressons un état de l'art des techniques existantes dans ce domaine, puis présentons les résultats d'une étude de cas spécifique. Les traces ont été collectées à partir d'une plateforme d'évaluation de compétences mathématiques, proposant aux élèves des questions à réponse ouverte. Les informations, extraites à partir d'une classe de 23 élèves, portent sur l'exactitude des réponses, le temps nécessaire pour chaque question et le nombre de tentatives. Nous avons appliqué des méthodes de classification non supervisée pour identifier des groupes d'apprenants de profil similaire. Nous avons identifiés deux principaux groupes (les élèves bons et rapides d'une part, les plus mauvais et lents d'autre part) ainsi que quelques profils atypiques. Au-delà de ces résultats prévisibles sur un si petit échantillon, l'objectif de notre thèse est de proposer à l'enseignant une restitution intuitive et automatique des résultats d'analyse, quelle que soit la méthode mise en oeuvre (ici, le clustering).