En régression, lorsque les individus présentent une structure en groupes inconnus a priori, les méthodes de régression typologique ou clusterwise permettent d'ap-porter une réponseà travers la recherche simultanée d'une partition des données en un nombre fixé de classes et le modèle de régression local associéà ces classes. La régression clusterwise PLS permet une extension au cas de données de grande dimension et/ou forte-ment corréléesà travers la détermination de combinaisons linéaires des variables initiales. Se pose alors le problème de la prédictionà partir des modèles locaux en particulier en cas de grande dimension. En effet les composantes PLS sont différentes d'une classeà l'autre et ne peuvent doncêtre utilisées directement pour déterminer la classe d'appartenance d'un nouvel individu. Nous proposons pour cela d'effectuer une analyse discriminante sur une sélection de composantes principales issues d'une ACP sur les prédicteurs. La méthode proposée est illustrée sur des données simulées.