La présence de structures latentes au sein de données multivariées est très fréquente en science de l'éducation : profils inconnus d'étudiants ou facteurs cachés expliquant la réussite académique, l'adaptation à l'université, etc. Ces structures ne sont pas directement observables, mais peuvent jouer un rôle significatif sur le phénomène étudié. Les analyses statistiques non supervisées sont des outils adaptés à l'identification des structures latentes, mais leur utilisation requiert une expertise pour en éviter les écueils et garantir des analyses fiables. L'objectif de ce travail est de guider les chercheurs en science de l'éducation qui souhaitent les utiliser. Nous présentons en détail leur mise en oeuvre sur la problématique de l'adaptation des primo-entrant•es en IUT, suite aux réformes du bac et du BUT. Une analyse factorielle exploratoire permet d'identifier cinq facteurs expliquant les difficultés d'adaptation et un clustering permet de distinguer trois profils de primo-entrant•es en termes de difficultés d'adaptation à l'université.