Résumé : La théorie des graphes et la science des réseaux ont donné naissance à de nombreux outils pour étudier le comportement des utilisateurs dans les réseaux sociaux. Parmi eux, les algorithmes de détection de communautés permettent de rassembler dans des groupes les utilisateurs qui interagissent plus entre eux qu’avec les autres. Dans le cadre de mes recherches, j’ai décidé de m’intéresser à la façon dont les communautés d’utilisateurs interagissent entre elles sur Twitter, afin de détecter de possibles traces de polarisation. La polarisation est le nom du phénomène qui intervient lorsqu’un groupe d’individus se scinde en deux pôles avec des avis conflictuels par rapport à un sujet donné, et pour la détecter j’ai mis au point puis implémenté une méthode complètement automatique, générique et non-supervisée qui mesure la dynamique des interactions des utilisateurs dits frontières au sein des différentes communautés pour détecter les relations potentiellement antagonistes. Le but de la présentation sera alors de parler un peu plus en détails du concept de polarisation avec un bref état de l’art, d’ensuite intuitivement expliquer ma méthode et les indicateurs qu’elle calcule à l’aide d’un exemple simple, et enfin de discuter de quelques résultats et des interprétations associées obtenus en pratique sur des jeux de données collectés dans le cadre du projet Cocktail.
Alexis Guyot, étudiant en M2 BDIA, a travaillé pendant son projet tuteuré orienté recherche et travaille toujours dans le cadre de son stage sur les communautés d’utilisateurs sur les réseaux sociaux, et plus particulièrement sur Twitter.