Sur la Toile, chaque individu appartient à plusieurs communautés et les marketeurs cherchent à les cibler au croisement de ces réseaux. Pourtant, cibler indépendamment pourrait être plus pertinent.

L'information se propage mieux quand on segmente sa diffusion

Comment affiner ses stratégies de propagation de l'information sur Internet ? En suivant quelques principes de modes de diffusion. Beaucoup ont d'ailleurs élaboré des méthodes pour détecter les communautés qui se chevauchent afin de mettre en place des stratégies répondant aux besoins des marketeurs. On appelle d'ailleurs ces stratégies des "seeding strategies", comme si on plantait une graine dans une communauté et qu'elle répandait rapidement une information. Jusque là, les algorithmes précédemment conçus s'avèrent finalement peu efficaces, selon des chercheurs irlandais*. Pour eux, il faudrait reprendre le problème à l'origine, car il serait plus tactique de semer les informations dans chaque communauté pour qu'elles se répandent plutôt que dans les zones où elles se superposent.

Remise en question

Les actuelles méthodes de détection de la structure des réseaux partent de l'hypothèse que la plupart des connexions appartiennent à une communauté, ce qui en réalité est inapproprié pour les réseaux qui se chevauchent. Ces méthodes, qu'elles soient aléatoires, qu'elles classent les connexions populaires ou qu'elles utilisent les liens entre les liens s'avèrent finalement peu performantes car partent d'une hypothèse biaisée. Pour les chercheurs, il est donc important de distinguer chaque communauté pour établir une stratégie. Pour être efficace, il faut donc adopter de nouveaux modèles non biaisés.

Quelle approche ?

Pour cela les chercheurs ont travaillé sur deux méthodes : celle dite de distinction et une autre, intitulée de percolation.  Selon eux, ces dernières apportent une meilleure réponse dans la conception des algorithmes. La première méthode consiste simplement à segmenter les nœuds d'individus, tandis que la seconde les identifie en pondérant le point d'une connexion dans un réseau en fonction de sa densité. La méthode de percolation comporte des limites car si  le réseau identifié est trop gros, certaines populations ne seront pas touchées par l'information. A noter qu'ils sont arrivés à cette conclusion après des travaux menés grâce à des données dites synthétiques, un benchmark et en s'inspirant de la recherche biologique sur les protéines.

* Du laboratoire des systèmes complexes et adaptatifs de l'université de Dublin