Inf m7 2015

Dédicace
Je dédie ce modeste travail à :
L'âme de mon père
Ma femme et mes enfants
Toute la famille
Et tous mes amis
1

Remerciements
Tout d'abord, je remercie mon Dieux, qui m'a donné le tout pour
pouvoir accomplir ce travail.
Je remercie tout particulièrement le Pr. MOUSSAOUI
Abdelouahab qui a encadré ce mémoire. Il a toujours été disponible
et a su me guider tout au long de mon mémoire tout en me laissant
une grande liberté.
Je souhaite remercier vivement le Pr DJEDI Noureddine qui m'a
fait l'honneur de présider le jury de soutenance.
Je remercie de plus les membres de mon jury, le Dr Mohamed
Chaouki BABAHENINI et le Dr Foudil CHERIF de m’avoir fait l’honneur
d’être rapporteurs de mémoire et surtout d’avoir accepté de juger
mon travail dans des délais très courts malgré leurs emploi de temps
plus que saturé.
Je tiens à adresser mes remerciements les plus sincères aux
personnes qui m’ont accompagné au cours de ce mémoire.
2

Résumé
L’analyse de réseaux sociaux est un outil qui s’impose dans de nombreuses
sciences. Un de ces outils spécifiques à l’analyse de réseaux sociaux est la détection
de communautés. De nombreux algorithmes de détection de communautés ont été
développés mais beaucoup ont une approche statique, c’est à dire ne considèrent pas
que l’ordre d’apparition a une importance. De plus, ils posent le problème de la
robustesse, car ces différents algorithmes proposent des résultats très différents.
L’objectif de ce travail est de proposer une nouvelle approche de détection de
communautés qui serait stable, précise et efficace pour des réseaux sociaux avec des
liens inter-communautés élevés. Pour cela, nous avons défini une nouvelle méthode
qui fonctionne en deux phases. Durant la première phase, nous détectons tous les
circuits afin de décomposer le réseau initial en petits groupes élémentaires. Dans la
deuxième phase, nous proposons une procédure itérative ayant pour objectif
l'identification des différentes communautés en fusionnant les différents sous graphes
issus de la première phase via un principe de fusion utilisé dans les méthodes basées
sur des cliques.
L’approche proposée est évaluée sur différents types de réseaux en variant le
nombre de liens inter-communautés. La performance de l’approche proposée est
comparée avec d'autres algorithmes de détection de communautés qui montre
l’efficacité de notre approche.
Mots clés:
Classification dynamique, Fouille de données, Détection de communautés, Réseaux
sociaux.
3