Évidement, quand les espaces à couvrir sont plus étendus, la question de la configuration optimale de ces solutions doit être étudiée pour maximiser la qualité des données sociales collectées. Par exemple, combien de capteurs sont nécessaires pour couvrir efficacement la zone d’étude ? Comment placer les capteurs sur la zone les uns par rapport aux autres ? Quels types de périphériques doivent être connectés et comment les paramétrer ? Comment répartir les calculs sur les capteurs, ou limiter les échanges sur le réseau ? etc.
Pauwels et al. [Pauwels 2007] apportent une visibilité sur les champs d’application de cette très vaste solution. Ils montrent en effet l’intérêt d’un réseau de capteurs fixes pour permettre de déduire : (i) Qui joue un rôle, par l’identification des acteurs du système (personnes ou animaux), (ii) Ou et Quand, en fournissant des fenêtres temporelles pour déterminer le contexte, (iii) Quoi, par la reconnaissance des activités et des interactions sociales des entités étudiées, (iv) Pourquoi, en associant une sémantique et un objectif aux actions, et (v) Comment, par la reconnaissance des expressions, des mouvements ou des gestes.
Selon les auteurs, de tels dispositifs, intégrés de façon durable dans notre quotidien, per-mettraient de créer une "Intelligence Ambiante", capable d’identifier les individus, de re-connaitre leurs actions, leurs émotions et leurs intentions, de façon à les assister selon leurs préférences individuelles et leurs besoins.
2.5 Conclusion
Dans ce chapitre, nous avons présenté les champs de recherche principaux qui consti-tuent le contexte des travaux présentés dans ce mémoire.
Dans un premier temps, nous avons pu observer que la science des réseaux trouvait ses origines dans le domaine mathématique de la théorie des graphes, une discipline vieille
2.5. Conclusion 41
d’environ 300 ans, et qui a été alimentée par de nombreuses communautés scientifiques. Nous avons ainsi présenté les fondements théoriques de cette discipline, en présentant les principales définitions, notations, propriétés et structures couramment rencontrées dans la littérature sur les réseaux. Nous avons ainsi pu définir le concept de réseau social, qui constitue le point central des travaux de recherche présentés dans ce mémoire.
Une fois les bases posées, cet état de l’art a ensuite été orienté selon les travaux qui seront abordés dans les chapitres suivants.
La première section a été consacrée aux deux grandes approches utilisées pour l’ana-lyse des réseaux sociaux : (i) les approches traditionnelles qui reposent sur l’exploitation des propriétés structurelles pour caractériser les noeuds, les liens ou la structure, et (ii) les approches récentes qui tentent d’extraire de la connaissance des réseaux sociaux, par l’ap-plication des concepts issus de la fouille de données.
La section suivante à été consacrée au cas spécifique des méthodes de modélisation et d’étude des phénomènes de propagation. Nous avons montré que cette problématique a été étudiée à travers deux problèmes duaux : celui de la percolation, qui cherche à comprendre si la structure permet au phénomène de "traverser" le réseau, et celui de la diffusion, qui s’intéresse aux caractéristiques du phénomène comme son amplitude ou aux moyens de le contenir. Dans ce deuxième type de problème, nous avons montré comment les modèles ma-thématiques fondateurs, conçus à base de compartiments, ont été étendus aux réseaux pour prendre en compte les structures relationnelles réelles qui offrent un média aux processus de diffusion.
Enfin, une dernière section s’est intéressée aux travaux menés sur la collecte automatique des données sociales pour la génération de réseaux sociaux. Nous avons pu observer que les premières approches ont exploité les données issues des sites d’échanges et de partage pour générer des réseaux sociaux basés sur l’activité des utilisateurs. Les méthodes récentes ont, elles, exploité les capacités offertes par les microcontrôleurs, à travers des dispositifs fixes ou mobiles, pour la collecte automatique des données de terrain qui ne peuvent pas être extraites uniquement à partir de sites web.
Chapitre 3
Phénomènes de diffusion dans les
réseaux sociaux dynamiques
Sommaire
3.1 Dynamique des réseaux et phénomènes de diffusion . . . . 46
3.2 Dynamique sur le réseau et dynamique du réseau : Vers un
modèle unifié . . . 47
3.2.1 Modèles de diffusion : états et transitions . . . 47
3.2.2 Le modèle unifié D2SNet . . . 49
3.2.3 Discussion. . . 52
3.3 Mécanismes de formation de liens élémentaires . . . 54
3.3.1 Objectifs, méthode et environnement . . . 55
3.3.2 Résultats expérimentaux. . . 57
3.4 Stratégie avancée d’évolution du réseau . . . 62
3.4.1 Le modèle spatial dynamique DynBPDA. . . 62
3.4.2 Résultats expérimentaux. . . 65
3.5 L’outil graphique DynSpread . . . 70
3.6 Conclusion . . . 72
Comme introduit dans le Chapitre 2, une approche prometteuse qui apporte une al-ternative aux modèles mathématiques initiaux pour étudier les phénomènes de diffusion (épidémie, virus informatique, phénomène de mode, rumeur, etc.) consiste à s’intéresser aux interactions entre les individus. Cependant, il est extrêmement difficile d’obtenir des informations précises sur l’évolution réelle de ces processus, tant les composantes impliquées sont nombreuses, complexes et variables. En effet, il faut pouvoir identifier les acteurs, l’en-semble des interactions et facteurs impliqués, les changements d’état liés à la fois au réseau, mais également aux individus ainsi que leurs causes et effets, tout ceci au cours du temps et à une échelle suffisamment grande pour permettre une étude efficace du phénomène. De telles données restent encore extrêmement rares et souvent très partielles et biaisées.
Ainsi, de nombreux travaux [Christley 2005, Christakis 2010, Salathe 2010a] reposent sur des simulations ou des modèles très simples, qui pour la majeure partie, considèrent la diffusion comme évoluant sur des réseaux statiques. Or, nous savons que la plupart des réseaux du monde réel ne sont pas fixes. Ce sont au contraire des objets animés, en évolution constante, au sein desquels des noeuds et des liens peuvent, à chaque instant, apparaitre ou disparaitre. Cette dynamique joue d’ailleurs un rôle essentiel, puisque c’est elle qui définit les comportements des noeuds, favorise l’émergence ou l’isolement de certains individus et est à l’origine des caractéristiques structurelles globales souvent observées sur les réseaux du monde réel.
Agent Noeud Facteurs endogènes: Comportement Social Comportement Individuel Réseau Voisinage, communauté, etc. Facteurs exogènes : Position géographique, profession, âge, etc.