Le monde est un lieu en réseau, au propre comme au figuré. Le domaine de la science des réseaux est aujourd'hui utilisé pour comprendre des phénomènes aussi divers que la propagation de la désinformation, le commerce ouest-africain et les interactions protéine-protéine dans les cellules.

La science des réseaux a découvert plusieurs propriétés universelles des réseaux sociaux complexes, qui à leur tour ont permis d'apprendre les détails de réseaux particuliers. Par exemple, le réseau constitué par le stratagème international de corruption financière découvert par l'enquête sur les Panama Papers présente un manque inhabituel de liens entre ses parties.

Mais comprendre les structures cachées des éléments clés des réseaux sociaux, tels que les sous-groupes, est resté insaisissable. Mes collègues et moi avons trouvé deux modèles complexes dans ces réseaux qui peuvent aider les chercheurs à mieux comprendre les hiérarchies et la dynamique de ces éléments. Nous avons trouvé un moyen de détecter les "cercles internes" puissants dans les grandes organisations simplement en étudiant les réseaux qui cartographient les e-mails envoyés entre les employés.

Nous avons démontré l'utilité de nos méthodes en les appliquant au célèbre réseau Enron. Enron était une société de négoce d'énergie qui a perpétré des fraudes à grande échelle. Notre étude a en outre montré que la méthode peut potentiellement être utilisée pour détecter les personnes qui exercent un énorme soft power dans une organisation, quel que soit leur titre ou leur poste officiel. Cela pourrait être utile pour la recherche historique, sociologique et économique, ainsi que pour les enquêtes gouvernementales, juridiques et médiatiques.

Du crayon et du papier à l'intelligence artificielle

Les sociologues ont construit et étudié des réseaux sociaux plus petits dans le cadre d'expériences minutieuses sur le terrain pendant au moins 80 ans, bien avant l'avènement d'Internet et des réseaux sociaux en ligne. Le concept est si simple qu'il peut être dessiné sur papier :les entités d'intérêt (personnes, entreprises, pays) sont des nœuds représentés par des points, et les relations entre des paires de nœuds sont des liens représentés par des lignes tracées entre les points.

L'utilisation de la science des réseaux pour étudier les sociétés humaines et d'autres systèmes complexes a pris un nouveau sens à la fin des années 1990 lorsque les chercheurs ont découvert certaines propriétés universelles des réseaux. Certaines de ces propriétés universelles sont depuis entrées dans la culture pop traditionnelle. Un concept est celui des Six Degrés de Kevin Bacon, basé sur la célèbre découverte empirique selon laquelle deux personnes sur Terre sont séparées par six liens ou moins. De même, des versions d'énoncés tels que "les riches s'enrichissent" et "le gagnant prend tout" ont également été reproduites dans certains réseaux.

Ces propriétés globales, c'est-à-dire s'appliquant à l'ensemble du réseau, semblent émerger des actions myopes et locales de nœuds indépendants. Lorsque je me connecte avec quelqu'un sur LinkedIn, je ne pense certainement pas aux conséquences globales de ma connexion sur le réseau LinkedIn. Pourtant, mes actions, ainsi que celles de beaucoup d'autres, conduisent finalement à des résultats prévisibles, plutôt qu'aléatoires, sur l'évolution du réseau.

Mes collègues et moi avons utilisé la science des réseaux pour étudier la traite des êtres humains au Royaume-Uni, la structure du bruit dans les sorties des systèmes d'intelligence artificielle et la corruption financière dans les Panama Papers.

Les groupes ont leur propre structure

En plus d'étudier des propriétés émergentes telles que les six degrés de Kevin Bacon, les chercheurs ont également utilisé la science des réseaux pour se concentrer sur des problèmes tels que la détection de communautés. En termes simples, un ensemble de règles, également connu sous le nom d'algorithme, peut-il découvrir automatiquement des groupes ou des communautés au sein d'un ensemble de personnes ?

Il existe aujourd'hui des centaines, voire des milliers, d'algorithmes de détection de communauté, certains s'appuyant sur des méthodes avancées d'IA. Ils sont utilisés à de nombreuses fins, notamment pour trouver des communautés d'intérêts et découvrir des groupes malveillants sur les réseaux sociaux. De tels algorithmes encodent des hypothèses intuitives, telles que l'attente selon laquelle les nœuds appartenant au même groupe sont plus densément connectés les uns aux autres que les nœuds appartenant à des groupes différents.

Bien qu'il s'agisse d'un domaine de travail passionnant, la détection des communautés n'étudie pas la structure interne des communautés. Les communautés doivent-elles être considérées uniquement comme des ensembles de nœuds dans des réseaux ? Et qu'en est-il des communautés petites mais particulièrement influentes, telles que les cercles internes et les foules ?

Deux structures hypothétiques pour les groupes influents

D'une certaine manière, vous avez probablement déjà une idée de la structure des très petits groupes dans les réseaux sociaux. La véracité de l'adage selon lequel "un ami de mon ami est aussi mon ami" peut être testée statistiquement dans les réseaux d'amitié en comptant le nombre de triangles dans le réseau et en déterminant si ce nombre est supérieur à ce que le hasard seul pourrait expliquer. Et en effet, de nombreuses études sur les réseaux sociaux ont été utilisées pour vérifier cette affirmation.

Malheureusement, le concept commence à s'effondrer lorsqu'il est étendu à des groupes de plus de trois membres. Bien que les motifs aient été bien étudiés à la fois en informatique algorithmique et en biologie, ils n'ont pas été liés de manière fiable à des groupes influents dans les réseaux de communication réels.

S'appuyant sur cette tradition, mon doctorant Ke Shen et moi avons trouvé et présenté deux structures qui semblent élaborées mais qui s'avèrent assez courantes dans les réseaux réels.

La première structure étend le triangle, non pas en ajoutant plus de nœuds, mais en ajoutant directement des triangles. Plus précisément, il y a un triangle central qui est flanqué d'autres triangles périphériques. Il est important de noter que la troisième personne d'un triangle périphérique ne doit pas être liée à la troisième personne du triangle central, les excluant ainsi du véritable cercle d'influence intérieur.

La deuxième structure est similaire mais suppose qu'il n'y a pas de triangle central et que le cercle intérieur n'est qu'une paire de nœuds. Un exemple concret pourrait être deux co-fondateurs d'une startup comme Sergey Brin et Larry Page de Google, ou un couple puissant avec des intérêts communs, communs dans la politique mondiale, comme Bill et Hillary Clinton.

Comprendre les groupes influents dans un réseau tristement célèbre

Nous avons testé notre hypothèse sur le réseau de messagerie Enron, qui est bien étudié en science des réseaux, avec des nœuds représentant les adresses e-mail et des liens représentant la communication entre ces adresses. En dépit d'être élaborées, non seulement nos structures proposées étaient présentes dans le réseau en plus grand nombre que le hasard ne le prédisait, mais une analyse qualitative a montré qu'il y a du mérite à affirmer qu'elles représentent des groupes influents.

Les personnages principaux de la saga Enron sont désormais bien documentés. Curieusement, certains de ces personnages ne semblent pas avoir eu beaucoup d'influence officielle, mais peuvent avoir exercé une puissance douce importante. Un exemple est Sherri Reinartz-Sera, qui était l'assistante administrative de longue date de Jeffrey K. Skilling, l'ancien directeur général d'Enron. Contrairement à Skilling, Sera n'a été mentionnée que dans un article du New York Times à la suite d'un reportage d'enquête qui a eu lieu au cours du scandale. Cependant, notre algorithme a découvert un groupe influent avec Sera occupant une position centrale.

Disséquer la dynamique du pouvoir

La société a des structures complexes au niveau des individus, des amitiés et des communautés. Les foules ne sont pas seulement des groupes hétéroclites de personnages qui se parlent, ou un seul meneur qui appelle tous les coups. De nombreuses foules ou groupes influents ont une structure sophistiquée.

Bien qu'il reste encore beaucoup à découvrir sur ces groupes et leur influence, la science des réseaux peut aider à découvrir leur complexité. + Explorer plus loin

L'ocytocine propage la coopération dans les réseaux sociaux

Cet article est republié de The Conversation sous une licence Creative Commons. Lire l'article d'origine.