Complex Networks 2016 – compte rendu de Maxime Lenormand

Le compte-rendu peut également être téléchargé au format .pdf.

La conférence Complex Networks: from theory to interdisciplinary applications s’est tenue du 11 au 13 juillet 2016 à Marseille, et j’y étais ! Cet événement a été organisé en marge de la 26ème conférence internationale en Physique Statistique hébergée cette année à Lyon. Durant 3 jours, des chercheurs de tous bords se sont réunis au palais du Pharo pour échanger autour de la théorie des réseaux et de son application en épidémiologie, sociologie, économie, biologie, neuroscience et éthologie.

Le format de ce type de conférence est vraiment appréciable, avec un nombre raisonnable de participants, deux sessions plénières par jour avec trois intervenants invités ainsi que deux sessions parallèles portant sur des applications différentes avec un total de 64 présentations et 39 posters.

La Science des Réseaux est devenue ces dernières années une discipline à part entière. Cet engouement pour les approches réseaux est dû à leur caractère générique permettant de décrire de nombreux processus. Une fois le système décrit dans le langage réseau il peut être analysé à l’aide d’une large palette d’outils et mesures implémentés dans de nombreux langages de programmation. Parmi les nombreuses applications possibles, l’étude de la diffusion de maladies infectieuses se prête particulièrement à l’approche réseau. Tout d’abord d’un point de vue méthodologique, la propagation d’une maladie infectieuse est dynamique (changement d’état Suseptible-Exposed-Infectives-Recovered) et peut être étudiée avec différent types de réseaux : pondérés, temporels ou encore multiplexes, ce qui en fait un cadre applicatif très intéressant. D’un point de vue thématique ensuite, dans un monde de plus en plus mobile, les maladies infectieuses causent de nombreux dommages socio-économiques et les autorités publiques ont besoin d’experts et d’outils de simulation et d’aide à la décision pour essayer de comprendre et prévoir l’évolution d’une épidémie. Dans ce contexte, ce n’est donc pas étonnant que de grands noms de la science des réseaux tel que Alessandro Vespignani se soit spécialisés dans ce type d’application. Il a fortement contribué à ce domaine de recherche en proposant notamment l’impressionnant modèle GLEAM permettant de simuler l’évolution d’une épidémie à une échelle mondiale en se basant sur des données de mobilité humaine. De nombreux physiciens et informaticiens travaillent maintenant sur ce sujet donnant lieu à de nombreux workshops et présentations dans les conférences portant sur les systèmes et réseaux complexes. La conférence Complex Networks 2016 n’a pas échappé à la règle en nous offrant un panel d’intervenants invités connectés de près ou de loin à la ISI foundation dont Alessandro est le responsable scientifique. Le premier jour, Daniela Paolotti nous a parlé de prévision et de grippe avec une présentation plutôt intéressante sur le besoin de collecter activement les données relatives à la grippe par le biais d’enquêtes, après avoir constaté la présence de biais dans les données collectées passivement [1]. Ils ont donc mis en place une plateforme en ligne https://influenzanet.eu/ dans le but de collecter les symptômes liés à la grippe en Europe (environ 40K participants et plus de 150K rapports de symptôme). Les résultats obtenus sont plus ou moins en accord avec ceux observés par le centre européen de prévention et contrôle des maladies (Figure 1).

Fig2
Figure 1 : Comparaison des estimations d’incidence hebdomadaire des syndromes grippaux obtenues via la plateforme Inluenzanet.eu avec ceux de l’ECDC. (Source : Twitter @alexvespi)

Le deuxième jour, Vittoria Collizza a présenté une étude sur la vulnérabilité aux infections. Elle y a notamment mentionné l’exemple de la contamination en milieu hospitalier en utilisant des données d’interactions entre patients, infirmières et médecins disponibles ici. L’idée étant de proposer des scenarios de prévention et de contrôle permettant de diminuer le nombre d’infections. Il était un peu tôt et je n’avais pas eu le temps de boire un café mais je crois me souvenir que les infirmières étaient, sans grande surprise, le vecteur principal de contamination. Le papier est en préparation et devrait être mis en ligne bientôt. Le dernier jour, Yamir Moreno a présenté un travail sur la propagation simultanée de deux maladies à l’aide d’un réseau multiplexe. La présentation était un peu technique pour les non-initiés mais l’idée est de monter en complexité en proposant un modèle permettant d’étudier la diffusion conjointe de deux maladies infectieuses au sein de la même population, un bon cadre applicatif pour le sujet brûlant des réseaux multiplexes. J’ai aussi retenu deux présentations intéressantes durant la session parallèle dédiée aux réseaux en épidémiologie à laquelle j’ai assisté; la présentation de Davide Colombi sur la diffusion de la rage au sein d’un réseau de mobilité de chiens en Afrique et la présentation d’Alessio Cardillo sur la question de la vaccination analysée sous l’angle de la dynamique d’opinion.

Un autre thème très en vogue (notamment) au sein de la communauté des réseaux complexes est l’analyse des réseaux sociaux et l’étude des ego networks (étude des réseaux à un niveau individuel). Cet engouement n’est pas sans rapport avec le nombre croissant de données de plus en plus accessibles par la communauté scientifique, avec notamment les incroyables volumes de données générées quotidiennement par l’utilisation des technologies de l’information et de la communication et par les médias sociaux. Ces données nous permettent d’observer les comportements humains et la façon dont ils interagissent ensemble et avec leur environnement avec une haute résolution spatio-temporelle encore inimaginable il y a une dizaine d’années. Ces observations ne représentent bien sûr qu’un échantillon (biaisé) de la réalité mais elles offrent néanmoins une opportunité unique d’étudier le comportement de millions d’individus à différentes échelles. C’est en s’appuyant sur ce type de données que Lucas Aiello a présenté une vue d’ensemble de ses travaux. Il nous a notamment parlé de lien social sur la toile et la manière d’en quantifier l’intensité. Au-delà du nombre de conversations et du contenu des messages, la méthode proposée par Lucas et ses collègues repose sur l’identification de différents types d’interactions au sein des conversations. Les différents domaines d’interactions ont été détectés automatiquement à l’aide d’un algorithme de détection de communauté basé sur les ressemblances textuelles [2]. En appliquant la méthode sur différents jeux de données (aNobii sorte de facebook pour les fans de livres et Flickr réseau social de partage de photos), trois domaines d’interactions ont été identifiés : l’échange de banalités, souvent positif, liées au statut social (Status exchange), l’échange de savoir (Knowledge exchange) et enfin le soutien social (Social support). Ces différents types d’interactions évoluent différemment au cours de la conversation (Figure 2). On commence par faire connaissance en se félicitant sur son statut social au sein de la communauté, on échange ensuite de plus en plus de connaissance sur le sujet traité (les livres pour aNobii) et enfin, plus on avance dans la conversation plus la proportion de messages personnels augmente. J’ai trouvé plutôt intéressant l’idée de pouvoir étudier les mécanismes en action durant la création d’un lien entre deux personnes à partir d’une méthode de classification automatique appliquée à des conversations issues d’un grand jeu de données. Lucas a fini sa présentation sur la façon dont l’information se diffusait d’une communauté concentrée autour d’un sujet particulier (topical community) au reste du réseau social. Il a illustré son propos avec le cas de la vitesse de diffusion d’images pornographiques à des individus n’étant pas présents dans la communauté « de pornographes » dont l’image était issue. Les résultats montrent que sur une communauté de 63K utilisateurs il y aurait potentiellement 40M autres utilisateurs exposés de manière non intentionnelle au contenu diffusé par la communauté.

Fig3
Figure 2 : Evolution de la proportion de messages par domaine d’interactions en fonction de la longueur (haut) et de la durée de la conversation (bas) (Source : http://arxiv.org/pdf/1407.5547v1.pdf)

Il y aussi de nombreuses observations collectées plus activement en munissant un groupe d’individus de GPS ou de radio-étiquettes (radio-identification – RFID) pour étudier leurs déplacements et leurs interactions. Jari Saramäki a présenté des résultats préliminaires d’une étude portant sur le rythme circadien de 1000 étudiants à Copenhague. Le rythme des étudiants est assez régulier et on observe différents chronotypes : lève-tôt, couche-tard et « normal ». J’ai été curieux d’apprendre que les lève-tôt (dont je fais partie) tendent à avoir un réseau social plus petit que les autres. Au niveau saisonnier, le réseau social des étudiants tend à s’agrandir en été et durant la période des examens. Des analyses plus poussées sont apparemment en cours, j’ai hâte de voir le papier et j’espère que les données seront mises à la disposition de tous (on peut toujours rêver !). Il y a aussi eu quelques présentations (dont celle de Vittoria décrite plus haut) basées sur les données d’interactions en face-à-face collectées dans le cadre du projet collaboratif SocioPatterns coordonné par deux organisateurs de la conférence, Alain Barrat et Ciro Cattuto. Toutes les données collectées sont disponibles sur le site et commencent à être beaucoup utilisées. Michele Tizzoni a présenté l’analyse du dernier jeu de données mises en ligne, 32425 contacts entre 75 individus répartis dans 5 ménages kényans et suivis durant 3 jours [3]. L’expérience va être répétée sur une plus longue période avec beaucoup plus de participants dans les mois à venir.

Petite parenthèse, je ne suis probablement pas le mieux placé pour en parler mais je trouve toujours dommageable le manque de transdisciplinarité dans ce genre de projets et l’absence de réelles connexions entre les sciences de la nature / formelles et les sciences humaines et sociales. Il y aurait souvent besoin de mettre un peu de « chair » sur les résultats obtenus. C’est un sentiment que je ressens souvent dans mes propres recherches quand je travaille sur la mobilité humaine, les modèles d’interactions spatiales, la ségrégation spatiale ou encore l’étude des systèmes de villes avec de nouvelles méthodes et de grands jeux de données géolocalisées. Les liens entre différentes disciplines sont souvent difficiles à créer (et à entretenir) mais cela en vaut sûrement la peine, particulièrement dans cette ère du big et open data.

Fig4
(Source : http://xkcd.com/793/)

Pour finir sur la thématique des réseaux sociaux, quelques travaux intéressants en éthologie avec notamment la présentation de Nicolas Claidiere portant sur l’identification automatique des liens sociaux au sein d’une communauté de babouins à partir de tests cognitifs. Les tests cognitifs ont lieu dans des « boites » accessibles librement par les 22 babouins vivant en captivité. En étudiant la coprésence des babouins durant les tests cognitifs, Nicolas et ses collègues ont montré que l’on pouvait reconstruire le réseau social de la communauté.

Comme vous avez pu le remarquer je me suis surtout intéressé aux présentations portant sur la diffusion d’épidémies et aux réseaux sociaux. A noter tout de même le travail très impressionnant de Viktor Jirsa sur le développement d’un cerveau virtuel, pas facile cependant d’évaluer les enjeux pour les non-spécialistes. J’ai aussi apprécié la présentation de Tina Eliassi-Rad qui a proposé une liste d’axiomes permettant de choisir de manière rigoureuse les métriques permettant de comparer différents réseaux et l’intensité des liens. Je suis tout de même un peu déçu par le manque de spatialité, très peu de présentation sur les réseaux spatiaux, encore moins sur la ville et la mobilité humaine mis à part les travaux de thèse de Claire Lagesse sur la lecture de la ville à travers ses lignes. Il y avait aussi ma présentation portant sur la redistribution des richesses au sein des villes, n’hésitez pas à jeter un coup d’œil à notre papier disponible ici (un peu d’autopromotion ne fait jamais de mal).

Pour conclure, je tiens à remercier chaleureusement le groupement de recherche « Analyse de réseaux en sciences humaines et sociales » pour le support financier ainsi que les organisateurs de la conférence. Je vous laisse avec une figure construite à partir de données que j’ai grattées sur Google Scholar (à l’aide de la fonction em>get_publications du package R scholar). Elle représente le réseau basé sur le nombre de papiers en commun entre les membres organisateurs et les intervenants invités de la conférence (apparemment Viktor Jirsa et Tina Eliassi-Rad ne font pas partie du réseau des réseaux complexes).

Fig5
Figure 3 : Réseau basé sur le nombre de papiers en commun entre les membres organisateurs (carré) et les intervenants invités (cercle) de la conférence Complex Networks 2016.

Références
[1] David Lazer, Ryan Kennedy, Gary King, and Alessandro Vespignani (2014) The Parable of Google Flu: Traps in Big Data Analysis. Science, 14, 343:1203-1205.
[2] Luca Maria Aiello, Rossano Schifanella, and Bogdan State (2014) Reading the source code of social ties. In Proceedings of the 2014 ACM conference on Web science (WebSci ’14). ACM, New York, NY, USA, 139-148.
[3] Moses C Kiti et al. (2016) Quantifying social contacts in a household setting of rural Kenya using wearable proximity sensors. EPJ Data Science, 5:21.

A propos de moi : Je suis chercheur en analyse et modélisation spatiale à Irstea de Montpellier (UMR TETIS). Je m’intéresse à l’analyse de grandes bases de données et à la modélisation des systèmes complexes spatialisés avec une attention particulière portée sur les systèmes urbains et la mobilité humaine. Pour plus d’informations n’hésitez pas à visiter mon site et mon blog (http://maximelenormand.github.io/).



Citer ce billet
Laurent Beauguitte (2016, 2 août). Complex Networks 2016 – compte rendu de Maxime Lenormand. GDR Analyse de réseaux en sciences humaines et sociales. Consulté le 28 mars 2024, à l’adresse https://doi.org/10.58079/czdo

Une réflexion sur « Complex Networks 2016 – compte rendu de Maxime Lenormand »

  1. Bonjour! Je vais commencer une thèse sur le thème des “réseaux romanesques à l’ère des réseaux sociaux du web” en littérature, à Paris 3. J’ai bien l’intention de contribuer à élargir ainsi le champ interdisciplinaire de l’analyse de réseaux… Merci pour ce blog qui va m’être très utile.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.