Analyse des réseaux sociaux
- Introduite par
- Moreno, J.L.; formalized by Wasserman & Faust
- Année
- 1934 (sociometry); 1994 (modern formalization)
- Type
- Structural/relational analysis framework
- Famille
- Network science
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
L'analyse des réseaux sociaux (ARS) est une méthode structurelle qui cartographie et mesure les relations et les flux entre des personnes, des groupes, des organisations ou d'autres entités modélisées comme des nœuds connectés par des liens (arêtes).
Plutôt que de se concentrer sur les attributs individuels, l'ARS révèle comment le schéma des connexions façonne le comportement, l'influence, le flux d'informations et les résultats au sein d'un système.
L’intuition derrière la méthode
La recherche traditionnelle traite les unités (personnes, organisations) comme des cas indépendants. L'ARS traite les connexions entre elles comme l'unité d'analyse principale. Qui vous est lié – et à quelle centralité vous vous situez dans le réseau de relations – façonne les informations que vous recevez, votre influence et la formation de groupes autour de vous. En dessinant une carte d'un réseau, les chercheurs peuvent voir des structures invisibles : des courtiers reliant des clusters déconnectés, des hubs influents, des périphéries isolées et des communautés soudées qui agissent comme des chambres d'écho.
Histoire
L'analyse des réseaux sociaux remonte à la sociométrie de Jacob Moreno dans les années 1930 et à la sociologie relationnelle de Georg Simmel. Les fondements de la théorie des graphes ont été développés dans les années 1950-1970 par Bavelas, Harary et leurs collègues. Le domaine a été consolidé par le livre de référence de Wasserman et Faust en 1994 et la création de la revue Social Networks. L'essor des plateformes en ligne et des données de traces numériques après 2000 a déclenché une croissance explosive, faisant de l'ARS une méthode centrale en sciences sociales computationnelles.
Quand l’utiliser
Utilisez l'ARS lorsqu'il s'agit fondamentalement de relations – sur la manière dont les connexions, les flux ou les positions structurelles façonnent les résultats – et lorsque des données relationnelles (liens entre acteurs) peuvent être collectées ou reconstruites. Elle est bien adaptée à l'étude de la diffusion de l'information, des modèles de collaboration, des hiérarchies d'influence, des structures organisationnelles, des réseaux de citations et de la cohésion sociale. N'utilisez pas l'ARS lorsque vous disposez uniquement de données attributaires (pas de données de liens), lorsque la frontière du réseau ne peut être raisonnablement définie, lorsque l'échantillon est trop épars pour produire des métriques significatives, ou lorsque la question de recherche porte sur des attributs au niveau individuel plutôt que sur la structure relationnelle.
Limites et points d’attention
- La spécification de la frontière du réseau est conséquente et souvent théoriquement ambiguë.
- La collecte de données relationnelles est fastidieuse ; les générateurs de noms basés sur des enquêtes souffrent de biais de rappel et de non-réponse.
- De nombreuses métriques d'ARS supposent des données de réseau complètes ; les liens manquants faussent les estimations de centralité.
- Les métriques standard d'ARS traitent les nœuds comme indépendants, violant l'hypothèse d'indépendance requise par les tests statistiques classiques.
- Les grands réseaux nécessitent des ressources informatiques et des logiciels spécialisés (par exemple, igraph, NetworkX, Gephi).
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Capture des phénomènes structurels – courtage, cohésion, centralité – invisibles aux méthodes basées sur les attributs.
- Applicable à divers domaines : réseaux sociaux, organisationnels, bibliométriques, biologiques et numériques.
- Une riche suite de métriques et de modèles permet une analyse descriptive et inférentielle.
- S'intègre naturellement avec des outils de visualisation qui communiquent intuitivement une structure complexe.
- Applicable aux réseaux petits (basés sur des enquêtes) et très grands (informatiques).
- Compatible avec des extensions longitudinales et multicouches pour des réseaux dynamiques ou multiplexes.
Applications
- Cartographie des réseaux de communication organisationnelle et de partage de connaissances.
- Identification des diffuseurs influents et des goulots d'étranglement dans les études de diffusion de l'information.
- Analyse des réseaux bibliométriques et de co-auteurs en scientométrie.
- Détection de communautés dans les plateformes de réseaux sociaux en ligne et les données de traces numériques.
- Traçage des contacts épidémiologiques et modélisation de la propagation des maladies.
- Cartographie des chaînes d'approvisionnement et des dépendances inter-organisationnelles.
Comment ça marche
Comment ça marche
Le chercheur spécifie la frontière du réseau (quels acteurs sont inclus) et le type de lien à étudier – amitié, collaboration, citation, recherche de conseils, échange d'informations. Cette décision conceptuelle est substantielle : différentes définitions de liens produisent des réseaux structurellement différents, même avec les mêmes acteurs.
Les données relationnelles sont recueillies par le biais d'enquêtes (basées sur des listes ou des générateurs de noms à rappel libre), de dossiers d'archives (co-auteurs, journaux d'e-mails, données de transactions) ou d'observation directe. Le résultat est une liste de paires ordonnées ou non ordonnées, souvent avec des poids de liens ou des horodatages.
Les liens et les acteurs sont encodés comme un graphe G = (V, E) où V est l'ensemble des nœuds et E est l'ensemble des arêtes. Le graphe peut être non dirigé ou dirigé, binaire ou pondéré. La matrice d'adjacence ou la liste d'arêtes est l'entrée de tous les calculs ultérieurs.
Formule
G = (V, E) \text{ where } V = \text{nodes}, E = \text{edges}Des métriques au niveau des nœuds – degré, intermédiaire, proximité, centralité propre, coefficient de clustering – sont calculées pour caractériser la position structurelle de chaque acteur. Des métriques au niveau du graphe – densité, diamètre, longueur moyenne des chemins, transitivité – décrivent les propriétés globales du réseau.
Des algorithmes de détection de communautés (par exemple, Louvain, Girvan-Newman) ou de blockmodeling identifient des sous-groupes. Les ERGM ou la régression QAP testent des hypothèses sur la formation des liens. Les décompositions cœur-périphérie et biparties révèlent la structure macroscopique.
Les résultats structurels sont interprétés à la lumière de la question substantielle. Une centralité d'intermédiaire élevée peut indiquer un courtage ou une fonction de gardien ; des clusters denses peuvent indiquer une cohésion ou une redondance. La visualisation (dispositions à force dirigée, diagrammes de cordes) aide à la communication des résultats.
Pièges courants
- Traiter les valeurs métriques (par exemple, la centralité d'intermédiaire) comme significatives sans valider que la définition de la frontière et des liens correspond à la question de recherche.
- Appliquer une régression ordinaire à des données de réseau sans tenir compte de la dépendance dyadique (utiliser plutôt des modèles QAP, ERGM ou multiniveaux).
- Interpréter les esthétiques de visualisation – le placement des nœuds dans les dispositions à force dirigée est arbitraire – comme reflétant des distances ou une importance réelles.
- Confondre la densité avec la cohésion ou la centralité avec l'importance sans fondement théorique.
- Ignorer les données manquantes : même 10 à 20 % de liens manquants peuvent modifier considérablement les classements de centralité.
Questions fréquentes
Quelle est la taille minimale du réseau pour une ARS significative ?
Il n'y a pas de minimum strict, mais des réseaux très petits (moins d'environ 15 nœuds) donnent des classements de centralité instables, sensibles aux changements de liens uniques. L'ARS descriptive peut fonctionner sur de petits réseaux ; les méthodes inférentielles comme les ERGM nécessitent des réseaux plus grands (généralement 30+ nœuds) pour des estimations stables.
Puis-je utiliser l'ARS avec des données de réseau incomplètes ou échantillonnées ?
Les liens manquants constituent une menace sérieuse pour la validité. Les stratégies comprennent l'analyse de sensibilité, l'imputation par prédiction de liens ou des conceptions de réseaux ego qui ne nécessitent pas de données de réseau complètes. Signalez l'étendue des données manquantes et testez la robustesse des conclusions clés.
Comment choisir entre différentes mesures de centralité ?
Le choix doit être théoriquement motivé. La centralité de degré capture l'activité ou l'exposition directe ; la centralité d'intermédiaire capture le courtage et le contrôle des flux ; la centralité de proximité capture la vitesse d'atteinte des autres ; la centralité propre capture l'influence par le biais de connexions de haut statut. Chacune répond à une question structurelle différente.
Comment tester statistiquement des hypothèses en ARS ?
La régression standard viole l'hypothèse d'indépendance. Utilisez des méthodes basées sur des permutations (corrélation et régression QAP) pour les hypothèses au niveau des liens, ou des modèles de graphes aléatoires exponentiels (ERGM) pour les hypothèses structurelles au niveau du réseau. Pour les données longitudinales, les modèles d'acteurs stochastiques basés sur des graphes (SAOM) sont appropriés.
La visualisation est-elle la même que l'analyse ?
Non. La visualisation de réseau est un outil de communication ; le placement des nœuds dans les algorithmes à force dirigée est déterminé par des critères esthétiques, et non par l'importance structurelle. Rapportez toujours les métriques quantitatives aux côtés des visualisations.
Méthodes associées
Sources
Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press.
ISBN : 978-0-521-38707-1Copié.Scott, J. (2017). Social Network Analysis (4th ed.). SAGE Publications.
ISBN : 978-1-4739-5515-1Copié.