Le regroupement (clustering) de trajectoires longitudinales multivariées de biomarqueurs est souvent difficile en raison de dynamiques temporelles non linéaires, d’une forte dépendance entre biomarqueurs et de la nécessité de dissocier les signaux partagés à l’échelle du système de la variation propre à chaque biomarqueur. Motivés par l’étude Penn Ovarian Aging Study, nous proposons un cadre bayésien pour regrouper des trajectoires hormonales longitudinales multivariées non linéaires au moyen d’une régularisation par enveloppe en contexte matriciel (matrix-variate). Notre approche exploite la structure d’enveloppe comme mécanisme de régularisation afin de décomposer les effets aléatoires individuels de type matriciel en composantes matérielles et immatérielles, éliminant efficacement la variation non pertinente pour le regroupement. Il en résulte une meilleure efficacité statistique et une interprétabilité accrue. En appliquant la méthode proposée à des données hormonales longitudinales, nous identifions trois sous-types de trajectoires hormonales cliniquement interprétables au cours de la transition ménopausique, mettant en évidence une hétérogénéité des dynamiques endocriniennes qui n’est pas mise en évidence par les méthodes conventionnelles.