5.4. Visualisation et détection de communautés

La série "Des réseaux pour comprendre le monde" cherche à mettre en avant la diversité des usages et types de réseaux, à la fois économiques, urbains, de transports ou qui relèvent encore des réseaux sociaux. Il s'agissait à l'origine d'un MOOC diffusé sur la plateforme francophone de France Université Numérique (FUN).

Dans cette vidéo, Hadrien Commenges, maître de conférence à l'université Paris 1 Panthéon-Sorbonne, traite des méthodes de visualisation de réseau et de détection de communautés. Il explique l'essor récent d'un grand nombre d'algorithmes permettant de positionner les nœuds et les liens d'un graphe, ainsi que l'essor d'algorithmes permettant de détecter des groupes avec une forte interconnexion à l'intérieur d'un réseau. Les algorithmes de visualisation de graphes ont été développés de façon relativement ancienne, mais leur essor est néanmoins assez récent. Il est lié à la croissance des réseaux et en particulier des réseaux sociaux, et à un essor récent des méthodes qu'on appelle de "force directive". Ces méthodes placent les nœuds du graphe en contractant les zones de forte interconnexion et en étirant les zones de faible interconnexion.

En parallèle du développement de ces méthodes de visualisation de graphe, se sont développées, relativement récemment, une batterie de méthodes de détection de communauté. Ce sont des méthodes qui permettent de proposer une partition du graphe en maximisant la connexion intra-groupe et en minimisant la connexion inter-groupe. La plupart de ces méthodes sont basées sur la notion de modularité.

Cet essor algorithmique, dans ces deux domaines, dépend en grande partie de l'essor des réseaux sociaux et de la densité des graphes correspondants, et dépend également de l'essor des données massives et donc des réseaux de très grande taille.