Analyse de Réseaux et Complexité : Dynamiques des Réseaux (Cargèse, 2018)

Future doctorante en sciences de gestion et sociologie (Aix Marseille Univ, CERGAM, LEST), Malek Lagha s’intéresse à la dynamique des réseaux sociaux des entrepreneurs au sein des tiers lieux de travail. Les présentations évoquées ici sont disponibles sur ce carnet.

L’analyse des réseaux sociaux représente un ensemble de théories, de méthodes, de concepts et d’outils mis en œuvre dans diverses disciplines. Elle consiste à prendre pour objet les relations entre les entités, que celles-ci soient des personnes, des objets, des textes, des collectifs… Ces analyses mettent fondamentalement l’accent sur le rôle de la formation, de la transformation et de l’évolution des relations et du réseau qu’elles forment sur les évolutions des phénomènes étudiés. Il est alors important d’analyser les dynamiques des réseaux aussi bien pour la science des réseaux complexes que pour les SHS et les autres disciplines.

L’école thématique CNRS Analyse de Réseaux et Complexité organisée du 24 au 28 Septembre 2018 à l’Institut d’Études Scientifiques de Cargèse (Corse) est une école pluridisciplinaire se fondant principalement sur les SHS (sociologie, archéologie, géographie, histoire, économie…) avec une ouverture sur d’autres disciplines comme l’informatique, la statistique, la physique, la géomatique…

La question des dynamiques des réseaux a été évoquée pendant le quatrième jour dans le but de favoriser les échanges et les discussions entre les disciplines abordant cette dimension. Les chercheurs et chercheuses ont présenté leurs recherches réalisées ou en cours, qui mettent la question de la dynamique des réseaux au centre. Des études longitudinales et de nouvelles méthodologies ont été discutées.

Ont été évoquées en particulier les questions : comment les réseaux évoluent-ils ? Comment mesurer et visualiser ces évolutions ? Est-ce que les attributs des individus influencent les transformations des réseaux ? Quelles sont les variables contextuelles qui influent sur la dynamique des réseaux ? Comment les différentes disciplines travaillent-elles cette dynamique des réseaux ?

Dans le compte rendu qui suit, je présente de façon précise les interventions qui se sont succédées ainsi que les discussions qu’elles ont nourries. Ces quatre interventions mettent l’accent sur la pertinence des études longitudinales dans l’analyse des dynamiques des réseaux et sur de nouvelles propositions méthodologiques en termes d’analyse.

Claire Bidart, Analyses longitudinales et réseaux

La première intervention de la matinée est celle de Claire Bidart, sociologue (Aix Marseille Univ, CNRS, LEST), qui présente les « analyses longitudinales et réseaux ». Elle consacre sa conférence à discuter la manière de construire et « ranger » les données longitudinales. Elle revient sur la raison pour laquelle les chercheurs et chercheuses s’intéressent à la dynamique des réseaux personnels. Elle commence par présenter un exemple de graphes de réseaux très ressemblants structurellement (centrés sur le conjoint) de trois personnes différentes. Mais en revenant à leurs états antérieurs elle explique que les structures de ces trois réseaux ont connu des états très différents (segmentée en composantes, dense, en chaînage). Ce sont donc des évolutions contrastées qui ont abouti à ces trois réseaux. Dans les trois exemples présentés, la centralisation sur le conjoint ne peut être expliquée qu’en revenant à ces états précédents. L’observation des réseaux dans le temps peut donner des informations très différentes. La dimension temporelle dans l’analyse des réseaux permet de mieux comprendre le présent, d’où l’importance des études longitudinales. Dans ces méthodes, le chercheur ou la chercheuse répète la même procédure, en interrogeant les mêmes personnes à des moments différents. Elle peut être complétée par des reconstitutions rétrospectives de chaque intervalle de temps. Cette méthode permet en outre de lister les liens « perdus » et les « nouveaux », en les reliant aux les événements marquants dans la vie d’une personne. À partir des études longitudinales, la sociologue n’observe pas seulement les réseaux mais aussi les histoires et les processus biographiques qui y interviennent. Cette méthode permet ainsi de rassembler plusieurs récits dans des contextes différents en mettant l’accent sur les facteurs permettant la transformation du réseau.

Claire Bidart revient également sur ses travaux et en particulier le Panel de Caen qui analyse l’évolution des réseaux des jeunes au fil des transitions vers la vie adulte, dont elle détaille la démarche de collecte de données pour expliquer la façon dont le chercheur ou la chercheuse pourrait gérer les données longitudinales. Cette enquête a été réalisée par elle-même, Alain Degenne, Daniel Lavenu, Didier Le Gall, Lise Mounier et Anne Pellissier. Elle consiste en six vagues de collecte de données de 1995 à 2015. La première vague en 1995 a consisté à interroger 87 jeunes (entre 17 et 23 ans), et la sixième et dernière vague en 2015 en a réinterrogé encore 19. Claire Bidart met l’accent sur les étapes réalisées, les sources, la durée de l’entretien (entre 4 et 11 heures), le choix de l’échantillon, et son devenir. Elle présente le générateur de noms « contextuel » fondé sur des questions mettant en évidence les divers contextes parcourus dans la vie de la personne interrogée. Ces contextes ainsi que les récits rétrospectifs permettent d’identifier des séquences fines qui relient les événements marquants de la vie de la personne avec les évolutions de son réseau. Elle souligne le fait que ces générateurs de noms contextuels permettent d’appréhender la multiplicité des ressources relationnelles, les interconnexions et la diversité des liens existants. Elle présente la façon dont elle a organisé et articulé des bases de données sur les egos, les alters, les relations ego-alter, et les réseaux. Dans un second temps, Claire Bidart s’est intéressée aux transitions biographiques des egos et des alters, en comparant les vagues d’enquête deux à deux : un moment fort dans la vie de la personne (trouver un travail, se marier, avoir des enfants…) affecte son réseau et peut aussi conduire à la disparition d’un ou plusieurs alters. Elle évoque alors une question qui peut intéresser particulièrement les sociologues : la disparition des liens et non seulement leur création. Elle souligne que les panels longitudinaux dans ce cas dévoilent les raisons pour lesquelles le lien entre l’ego et l’alter se perd (comme l’effet de cercle social). À partir des panels longitudinaux, la chercheuse montre que l’évolution de la population en termes de transition professionnelle et de cycle de vie peut être visualisée également en séquences, classifiées et comparées.

« Quand la personne choisit et décide, elle ne décide pas toute seule ». La socialisation d’ego se fait aussi sous l’influence des alters, avec leur diversité, leurs connexions, leurs transitions et leurs disparitions. Elle résume ensuite les phénomènes sociaux qui ont fait que le réseau s’est transformé dans le temps. Pour conclure, Claire Bidart a mentionné quelques difficultés des études longitudinales Par exemple, la personne peut vivre plusieurs événements marquants dans une seule séquence, il est alors difficile d’identifier ce qui a vraiment conduit la transformation du réseau.

Yoann Pitarch, Dynamiques des graphes et attributs

La deuxième intervention retrace le parcours de recherche de Yoann Pitarch, Maître de conférences à l’université Paul Sabatier (Toulouse, France). Le chercheur a choisi de nous présenter une approche méthodologique qui est celle des Graphes Attribués Dynamiques  (GAD).

Yoann Pitarch explique dans un premier temps l’importance des GAD et leurs origines. En effet, les graphes dans son modèle sont structurés, dirigés (ou non) et les nœuds sont équipés d’attributs. Ces attributs sont numériques, ordinaux ou catégoriels. Il ajoute alors des attributs locaux fournissant des informations sur les nœuds. La dynamique est alors décrite par des séquences de graphes dans lesquelles les nœuds changent de valeur d’attribut et les liens évoluent entre les lieux. Yoann Pitarch démontre par la suite l’intérêt des GAD dans des domaines différents comme les analyses des média sociaux numériques (Twitter, Facebook, forums…), pour les SHS comme pour l’analyse des réseaux interpersonnels, pour la bibliométrie et l’analyse des co-publications et des citations, pour l’archéologie et l’urbanisme…

L’idée est de considérer simultanément les deux visions macro et micro des analyses des réseaux : sa méthode permet d’extraire des motifs fréquents contenant les propriétés locales des nœuds, et leurs propriétés topologiques dans le graphe, qui sont ensuite traitées statistiquement. Il explique par la suite la façon dont le chercheur peut extraire des motifs, leurs caractéristiques et identifier des communautés et les visualiser.

En effet une question se pose ; les grands réseaux étant maintenant disponibles facilement, comment extrait-on alors des connaissances utiles (motifs, relations, etc.) à partir des structures complexes sous forme de graphe ? Selon Yoann Pitarch la fouille de graphes met l’accent sur deux sous-ensembles se recoupant légèrement par certaines caractéristiques : les graphes attribués et multivariés à partir desquels des motifs et des communautés « homogènes » peuvent être extraits. Dans les graphes dynamiques, temporels et longitudinaux à partir desquels les réseaux peuvent être visualisés, des communautés évolutives et l’évolution des indicateurs topologiques peuvent être détectées. La proposition méthodologique et statistique se situe alors dans l’intersection de ces deux sous-ensembles. Yoann Pitarch s’intéresse dans un second temps au stockage, à la génération et l’analyse des motifs et des communautés en présentant un panorama non-exhaustif des modèles déjà existants. Il prend l’exemple du logiciel Gephi qui permet de manipuler et visualiser des GAD à travers le format de fichier « .gexf ». Ce logiciel permet de visualiser la dynamique des graphes. Cette non exhaustivité tient aussi aux problèmes de stockage des bases des données orientées graphes. En effet, le stockage des bases des données des graphes dynamiques impose un modèle de données dans lequel les acteurs, les relations et les temporalités sont des sommets ce qui complique davantage le modèle. Les problèmes de la modélisation du temps où les attributs deviennent des sommets génèrent aussi beaucoup de problèmes informatiques difficilement solubles. En ce qui concerne les générateurs des GAD, très peu existent dans la littérature. L’intervenant met ensuite l’accent sur DANCer qui est un logiciel libre hautement paramétrable permettant l’analyse des GAD avec des structures communautaires et des attributs réels (Benyahia et al., 2016)i. La question qui s’est posée ensuite est celle de l’analyse des GAD et de l’extraction des motifs. En effet, celle-ci permet de trouver des corrélations partielles dans les données, et pour les analyser Yoann Pitrach explique le principe de cohesive co-evolution patterns (Desmier et al., 2012)ii en définissant les motifs de déclenchement (Kayttoue et al., 2015)iii qui permettent d’étudier le lien entre l’évolution des attributs des sommets et l’évolution de la topologie du réseau.

Pour clôturer, Pitrach souligne que la question de l’extraction des motifs dans les GAD est un « défi éminemment pluridisciplinaire », et invite à la co-construction de nouveaux types de motifs et de nouvelles contraintes entre les SHS et les informaticiens.

Cette deuxième intervention méthodologique de la journée a proposé un nouveau type d’analyse de graphes visant à exploiter pleinement la structure du graphe mais aussi les attributs locaux. Nous avons alors besoin de la pluridisciplinarité et de l’interdisciplinarité pour confronter les propositions des informaticien.ne.s pour des données réelles. De nouveaux questionnements pour un.e expert.e induisent souvent de nouvelles problématiques théoriques en fouille de données.

Sébastien Plutniak et Clara Filet, Saisir le temps : les usages archéologiques de l’analyse de graphes

La troisième intervention de la journée s’intéresse à la discipline de l’archéologie qui introduit les réseaux archéologiques, la sémantique de graphes archéologiques et la dimension temporelle dans les analyses archéologiques. Cet exposé intitulé Saisir le temps : les usages archéologiques de l’analyse de graphes est présenté par Clara Filet de l’Université Paris 1 – Panthéon-Sorbonne et Sébastien Plutniak qui est actuellement post-doctorant à l’École française de Rome. L’utilisation des outils statistiques en archéologie est ancienne et, dans cette discipline, les informations sur les liens et les relations entre les personnes sont quasiment absentes. L’objectif de la présentation est de démontrer dans quelle mesure les analyses des réseaux sociaux peuvent aider les méthodologies en archéologie. Les intervenant.e.s expliquent dans une première grande partie la notion de sémantique des graphes : l’archéologie traite bien la notion du temps, mais cette dimension temporelle est mise en évidence à partir de données statiques. Dans les réseaux archéologiques, les graphes sémantiques sont mobilisés pour distinguer deux types de liens pour deux types de distances : les distances abstraites et les distances spatiales. Clara Filet définit les distances abstraites comme des cas précoces et ambigus en archéologie en s’appuyant sur l’exemple des interactions entre marchands assyriens. Elle développe par la suite la façon dont on traite la dynamique des réseaux et l’évolution des liens à partir des données abstraites d’où la notion de la co-présence en archéologie : à partir d’un graphe sémantique bimodal, l’archéologue peut inférer deux graphes unimodaux. Ils définissent par la suite les graphes de similarité. En effet la (dis)similarité en archéologie est un proxy permettant de comprendre les processus sociaux comme l’immigration. Elle est employée comme indicateur pour l’intensité des interactions entre des sites. Sébastien Plutniak montre que l’utilisation des graphes pour étudier les similarités permet de comprendre les méthodes de classification des problèmes archéologiques. Pour clôturer la partie sur la sémantique de graphes archéologiques, les intervenant.e.s traitent la question des positions (spatiales) relatives. Il et elle mettent l’accent sur l’importance des analyses des strates pour construire l’analyse des graphes en s’appuyant sur les « Lois de l’archéologie d’Harris » comme la loi de superposition ou la loi d’horizontalité originaire… Ils soulignent que les relations stratigraphiques, la topologie des fragments d’un objet et les relations entre éléments du paysage permettent à l’archéologue de construire des graphes.

Compte tenu de ces différentes représentations de données archéologiques par des graphes, les intervenant.e.s s’intéressent dans une deuxième grande partie à la manière dont la dimension temporelle est intégrée dans les analyses archéologiques. En archéologie, les informations temporelles sont données à propos de plusieurs moments successifs. L’objectif est de mieux connaître les transformations dont témoigne la série de données. Les archéologues partagent ensuite les défis relatifs à la mesure du temps, étant donné que la relation en archéologie n’est pas datée mais inscrite dans un intervalle temporel. En effet, la dimension temporelle est ce que l’archéologue cherche à connaître à partir d’une information initiale « non-temporelle ».

Pour résumer, d’un point de vue archéologique l’analyse de graphe est encore à préciser, étant donné que les archéologues traitent en premier lieu de relations spatiales, plutôt que des relations sociales ou temporelles. L’analyse de réseaux sociaux permet alors d’inférer la dimension temporelle par rapport au passé comme au futur et permet aussi de montrer des graphes généralement de co-présence entre l’évolution archéologique, des dynamiques de diffusion et des réseaux.

Matthieu Latapy, Analyse des interactions temporelles avec les flots de liens (link streams)

La question de la dynamique des réseaux prend une autre dimension avec la dernière intervention, qui rend compte des travaux de Matthieu Latapy, Tiphaine Viard et Clémence Magnien (CNRS et Sorbonne Université). Leur questionnement porte sur la dynamique des interactions et non pas des relations dans le temps. Matthieu Latapy commence sa présentation en affirmant « on ne va pas parler des réseaux ». Il explique alors dans un premier temps la différence conceptuelle entre interaction et relation. Selon ses travaux, si l’interaction dure dans le temps, on est donc sur des réseaux sociaux ; si ce n’est qu’un signal, on est sur la théorie de signal et si l’interaction est intermédiaire, il s’agit de séquences de graphes.

Ces travaux sont partis du constat que la théorie des graphes, qui est souvent utilisée pour étudier la structure des relations et la dynamique des interactions dans le temps, capture mal la nature à la fois temporelle et structurelle des interactions. Dans cette présentation, Matthieu Latapy généralise les concepts des graphes afin de traiter les deux aspects de manière cohérente. Il commence avec des concepts élémentaires tels que la densité, le sens de la relation… et en tire des concepts plus avancés tels que les cliques, les degrés, les coefficients de clustering ou les composantes connexes. Il explique par la suite comment son équipe de recherche a construit un langage permettant de traiter directement les interactions dans le temps, similaire au langage fourni par les graphes pour traiter les relations. Ce langage facilite le traitement des traces d’interaction, combine la structure et la dynamique de manière cohérente.

L’analyse des interactions temporelles avec les flots de liens répond aux défis classiques des analyses des réseaux sociaux et propose des nouveaux défis algorithmiques en ouvrant de nouvelles perspectives pour l’analyse des données. Pour clôturer, Matthieu Latapy partage avec nous les défis et les questionnements conceptuels de sa méthode : est-ce que l’interaction est une trace dans le temps ou bien est-elle une réalisation de relation ? Les flux de liens sont-ils des traces graphiques ou bien des réseaux ? Est-ce que les relations sont des conséquences des interactions ?

Table Ronde

Ces problématiques ont été le point de démarrage de la table ronde Dynamiques et réseaux : quels enjeux interdisciplinaires ?. Cette dernière conférence de la matinée a été animée par l’historien et sociologue des sciences québécois Yves Gingras, avec Pablo Jensen, chercheur CNRS en physique et réseaux sociaux, en rassemblant aussi les intervenant.e.s de la matinée  pour discuter les enjeux interdisciplinaires de la dynamique des réseaux.

Dans un premier temps les chercheurs et chercheuses ont partagé les mêmes questionnements sur la méthode de l’analyse des interactions temporelles avec les flots de liens présentée par Matthieu Latapy en se demandant comment il est possible de traiter la dynamique des interactions dans ce cas, et si l’on est vraiment dans une perspective dynamique ou bien statique.

La question des strates a été posée par la suite par Claire Bidart qui s’appuie sur ses travaux des réseaux personnels pour expliquer que les strates permettent de comprendre le positionnement de l’individu à un instant t dans un réseau à partir du découpage en strates connectées de façon relationnelle. Sébastien Pluntniak s’appuie sur les exemples évoqués dans son intervention avec Clara Filet pour démontrer que cette notion de strates est fondamentale en archéologie pour traiter les positions (spatiales) relatives, d’où les relations stratigraphiques et la topologie des fragments d’un objet qui permettent à l’archéologue de construire des graphes.

Cette journée a proposé des nouvelles méthodes de collecte et d’analyse de données pour parvenir à assurer l’interdisciplinarité dans la dynamique d’analyse des réseaux sociaux. Nous avons envisagé des nouvelles spécificités théoriques, expliciter des indicateurs pertinents dans la description et l’analyse des dynamiques réseaux, détailler des méthodes de construction empirique des données, proposer des méthodes d’analyse en fonction de l’objet de la recherche.

i Benyahia, O., Largeron, C., Jeudy, B., & Zaïane, O. R. (2016, September). Dancer: Dynamic attributed network with community structure generator. In Joint European Conference on Machine Learning and Knowledge Discovery in Databases (pp. 41-44). Springer, Cham.

ii Desmier, E., Plantevit, M., Robardet, C., & Boulicaut, J. F. (2012, October). Cohesive co-evolution patterns in dynamic attributed graphs. In International Conference on Discovery Science (pp. 110-124). Springer, Berlin, Heidelberg.

iii Kaytoue, M., Pitarch, Y., Plantevit, M., & Robardet, C. (2015). What effects topological changes in dynamic graphs?. Social Network Analysis and Mining, 5(1), 55.


Laisser un commentaire

Votre adresse de messagerie 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.