——————————————————————————————
Ces dernières années, la recherche sur les réseaux sociaux a conduit au développement de techniques sophistiquées issues de la théorie des graphes, des techniques d’apprentissage automatique, de fouille de données et d’économétrie pour l’analyse des réseaux et la prédiction de comportements individuels. La compréhension et l’analyse des relations sociales dans les réseaux grâce à l’analyse des réseaux ouvrent de nombreuses perspectives de recherche en sociologie, littérature, médias, biologie, informatique, sport, etc.
En particulier, pour fournir des recommandations de politiques publiques (santé, environnement, éducation, travail), il est important d’identifier des effets de réseaux. En effet, de nombreuses études montrent que les comportements individuels s’inscrivent dans un ensemble d’interactions sociales. Les individus interagissent de multiples façons et tendent à imiter et à apprendre des autres, en particulier de ceux appartenant à leur environnement proche, tels que leurs familles, amis, collègues ou voisins. L’influence de ces interactions sur le comportement individuel est appelée “effets de pairs”. Cette définition est intuitive, mais l’identification empirique des effets de pairs reste difficile à démontrer, et des communautés variées se sont penchées sur cette problématique. L’analyse des effets de pairs et plus généralement des comportements des individus dans un réseau représentent un défi scientifique notamment lié (a) à la nature potentiellement volumineuse, et complexe des données issues de graphes de données sociales (e.g. liens sociaux multiples, incomplétude des liens observés ou déclarés, choix des variables caractérisant des individus, données d’enquêtes ou issues d’essais randomisés contrôlés), et (b) à la difficulté de définir des modèles permettant de dégager des hypothèses causales et des explications sur le comportement des individus ou de sous-ensemble d’individus.
L’analyse des réseaux sociaux peut répondre à différentes problématiques multi- disciplinaires, notamment l’identification des experts ou des communautés d’expertise dans un domaine particulier, la cartographie des sujets sur lesquels portent les interactions, la manière dont les infections et les opinions se propagent, ou encore l’effet d’un traitement dans une population (i.e vaccin, message).
L’atelier aura pour objectif de favoriser les échanges interdisciplinaires sur la problématique de l’analyse des réseaux sociaux et de mieux comprendre les avantages et les limites des approches de chacun, et leurs possibles complémentarités.

Liste des thématiques (non exhaustive) :
• Apprentissage supervisé et non supervisé dans des données graphes
• Apprentissage de règles, GNN, Clustering de Graphes, Fouille de graphes
• Identification de sous-populations, de profils, de communautés dans des graphes d’interactions
• Analyse et Fouille de Réseaux sociaux : détection de communautés, recherche de motifs fréquents dans des graphes, évolution de réseaux, prévision de liens, modèles de diffusion
• Econométrie des réseaux, économie comportementale et expérimentale, modèles statistiques, causalité, …
• Systèmes d’aide à la décision, prédiction de comportement, effet de pair, …