Cette étude vise à classifier les stratégies de course des écuries de Formule 1 (F1) à l'aide de l'analyse de classes latentes (ACL) de JMP. L'analyse exploitera les données de course publiques des saisons 2018 à 2025, issues notamment de FastF1, OpenF1, de l'API Jolpica et des résultats officiels de la FIA. Les variables explicatives incluront le nombre moyen d'arrêts aux stands, le tour du premier arrêt, la durée moyenne des relais, le type de pneumatiques, les arrêts sous régime de voiture de sécurité, les changements de position et les points marqués. L'ACL permettra de classifier objectivement les stratégies des écuries, traditionnellement décrites de manière empirique, et de clarifier les caractéristiques de chaque classe latente. De plus, en analysant la relation entre chaque classe et les taux de victoire, les taux de podium et les classements annuels, l'étude vise à identifier les « schémas stratégiques menant à la victoire ». Cette recherche propose une nouvelle méthode d'analyse des données sportives et démontre son potentiel pour l'aide à la décision en matière de stratégie de course, ainsi que son application à d'autres domaines.
