Skip to content
Retour aux résultats

Centralité de degré

Introduite par
Freeman, L. C.
Année
1978
Type
Node-level centrality measure
Famille
Network science

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

La centralité de degré est la mesure la plus simple et la plus intuitive de l'importance d'un nœud dans un réseau, définie comme le nombre de liens directs qu'un nœud entretient avec d'autres nœuds.

Normalisée en la divisant par le nombre maximal de liens possibles, elle permet des comparaisons entre des réseaux de tailles différentes et constitue le point de départ de presque toutes les analyses de réseau.

L’intuition derrière la méthode

Imaginez une salle de conférence où la personne la plus socialement active est celle qui connaît le plus de monde. La centralité de degré capture exactement cela : le nombre brut de connexions d'un nœud. Un nœud avec un degré élevé se trouve au centre de l'activité immédiate — il peut atteindre de nombreux voisins en une seule étape. Parce qu'elle est simple à calculer et facile à expliquer, la centralité de degré est souvent la première métrique calculée dans une étude de réseau, servant de référence par rapport à laquelle des mesures plus sophistiquées sont comparées.

Histoire

La centralité de degré a été formellement définie et systématisée par Linton C. Freeman dans son article fondateur de 1978 dans Social Networks, qui a également introduit la centralité d'intermédiarité et de proximité dans un cadre conceptuel unifié. La mesure elle-même remonte à des travaux sociométriques antérieurs des années 1940-1950. L'article de Freeman reste la citation canonique et a établi l'analyse des réseaux sociaux comme une discipline quantitative rigoureuse.

Quand l’utiliser

Utilisez la centralité de degré lorsque vous avez besoin d'un résumé rapide et interprétable des nœuds ayant le plus de connexions directes — pour identifier les hubs, les acteurs clés ou les nœuds très actifs dans tout réseau binaire ou pondéré. Elle convient aussi bien aux petits qu'aux grands réseaux et ne nécessite qu'une liste d'arêtes. Ne vous fiez pas uniquement à la centralité de degré lorsque la question de recherche concerne l'influence indirecte, l'efficacité du flux d'informations ou les rôles de gardien ; à ces fins, la centralité d'Eigenvector, la centralité de proximité ou la centralité d'intermédiarité sont plus appropriées. Elle est également peu informative dans les graphes complets ou quasi-complets où presque tous les nœuds partagent le même degré.

Limites et points d’attention

  • Ne compte que les voisins directs ; ignore la position dans la structure globale du réseau.
  • Un nœud avec un degré élevé peut être entièrement périphérique si tous ses voisins sont isolés les uns des autres.
  • Peu informative dans les graphes denses ou complets où la variance de degré est proche de zéro.
  • Ne distingue pas si les connexions sont avec des nœuds influents ou périphériques (utilisez la centralité d'Eigenvector pour cela).
  • Sensible aux décisions de délimitation du réseau — l'inclusion des acteurs dans le réseau affecte les scores.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Trivial sur le plan computationnel — O(n) par nœud — et s'adapte à de très grands réseaux.
  • Immédiatement interprétable : le nombre brut de connexions ne nécessite aucune expertise en analyse de réseau pour être expliqué.
  • Applicable aux graphes orientés, non orientés, binaires et pondérés (en tant que degré pondéré).
  • Sert de référence indispensable pour comparer des mesures de centralité plus complexes.
  • La distribution de degré fournit une empreinte de la topologie globale du réseau (sans échelle, aléatoire, etc.).
  • Facilement visualisable : la taille du nœud proportionnelle au degré transmet la structure en un coup d'œil.

Applications

  • Identification des hubs et des acteurs influents dans les réseaux sociaux et organisationnels.
  • Traçage des contacts épidémiologiques pour prioriser les individus très connectés pour une intervention.
  • Analyse des réseaux web et de citation pour classer les pages ou les articles très liés.
  • Analyse de la résilience des infrastructures pour trouver les nœuds critiques dont la suppression fragmente le réseau.
  • Recherche en marketing et diffusion pour localiser les nœuds semences pour les campagnes de propagation virale.
  • Études de réseaux de co-auteurs et de collaboration en bibliométrie.

Comment ça marche

Comment ça marche

1

Le réseau est représenté comme un graphe G = (V, E), où V est l'ensemble des nœuds et E est l'ensemble des arêtes. Une matrice d'adjacence A encode les paires de nœuds connectées. Dans un réseau non orienté, chaque arête est comptée une fois ; dans un réseau orienté, le degré entrant (in-degree) et le degré sortant (out-degree) sont suivis séparément, reflétant respectivement les liens entrants et sortants.

2

Pour chaque nœud v, la centralité de degré est calculée en additionnant toutes les entrées de sa ligne (ou colonne) de la matrice d'adjacence — c'est-à-dire en comptant le nombre d'autres nœuds auxquels il est directement connecté. Le degré brut est C_D(v) = deg(v). Dans un graphe orienté, le degré entrant compte les liens entrants tandis que le degré sortant compte les liens sortants.

Formule
C_D(v) = \deg(v) = \sum_{u \in V} a_{vu}
3

Pour comparer des réseaux de tailles différentes, le degré brut est divisé par (n − 1), le nombre maximal possible de liens dans un réseau de n nœuds. Le score normalisé C_D'(v) se situe entre 0 et 1, où 1 indique un nœud connecté à tous les autres nœuds du réseau.

Formule
C_D'(v) = \frac{\deg(v)}{n - 1}
4

Les nœuds sont classés selon leur score de centralité de degré normalisé. La distribution des scores peut être visualisée sous forme d'histogramme ou tracée sur le graphe du réseau sous forme de taille ou de couleur de nœud. Les nœuds à degré élevé sont des candidats pour être des hubs ou des influenceurs ; la forme de la distribution de degré (par exemple, à queue lourde vs. uniforme) révèle des propriétés structurelles plus larges du réseau.

Pièges courants

  • Rapporter le degré brut sans normalisation, rendant les résultats incomparables entre des réseaux de tailles différentes.
  • Traiter la centralité de degré comme une preuve suffisante d'influence sans vérifier la centralité d'intermédiarité ou d'Eigenvector.
  • Ignorer la directionnalité dans les réseaux orientés : le degré entrant et le degré sortant ont des significations substantielles différentes.
  • Confondre la centralité de degré avec la centralité de degré pondéré sans reconnaître la différence entre les réseaux binaires et valorisés.
  • Négliger les isolats (nœuds de degré 0) qui peuvent être des acteurs manquants substantiellement importants.

Questions fréquentes

Quelle est la différence entre la centralité de degré et la centralité d'Eigenvector ?

La centralité de degré compte le nombre de connexions directes, quels que soient les voisins. La centralité d'Eigenvector pondère chaque connexion par l'importance du voisin, de sorte qu'un nœud connecté à quelques nœuds très centraux peut obtenir un score plus élevé qu'un nœud ayant de nombreux voisins périphériques.

Dois-je utiliser le degré entrant ou le degré sortant dans un réseau orienté ?

Le choix dépend de la question de recherche. Le degré entrant mesure le nombre d'acteurs qui pointent vers un nœud (par exemple, popularité, prestige, nombre de citations). Le degré sortant mesure le nombre d'acteurs vers lesquels un nœud pointe (par exemple, niveau d'activité, envoi d'informations). Il est souvent informatif de rapporter les deux.

La centralité de degré fonctionne-t-elle sur les réseaux pondérés ?

La formulation standard utilise des arêtes binaires. Pour les réseaux pondérés, la mesure analogue est la centralité de degré pondéré (également appelée force du nœud), qui somme les poids des arêtes plutôt que de compter les arêtes. La plupart des implémentations dans igraph, NetworkX et Gephi prennent en charge cette option.

Quelle doit être la taille de mon réseau ?

La centralité de degré n'a pas d'exigence de taille minimale. Elle est significative même dans des réseaux de 10 nœuds. Cependant, dans de très petits réseaux, le score normalisé perd en résolution — presque tous les nœuds peuvent apparaître également centraux. Pour les réseaux de moins d'environ 20 nœuds, l'examen de la distribution de degré brut est généralement plus informatif que le score normalisé.

Quand la centralité de degré n'est-elle pas suffisante ?

Lorsque votre question de recherche concerne les rôles de courtier, de gardien ou le flux d'informations à travers le réseau plutôt que la popularité locale. Un nœud avec un degré modeste peut contrôler l'accès entre les clusters (centralité d'intermédiarité élevée) ou atteindre rapidement tous les autres nœuds (centralité de proximité élevée) sans avoir de nombreux liens directs.

Méthodes associées

Sources

  1. Freeman, L. C. (1978). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239.

    Ouvrir la référence DOI
    Copié.
  2. Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press.

    ISBN : 978-0-521-38707-1
    Copié.