Les réseaux électroniques basés sur Internet ont beaucoup accéléré la circulation de l'information dans notre société moderne, mais on commence à voir que les échanges d'information s'effectuent d'abord dans le cadre de réseaux sociaux. Le Web comporte également une structure en réseau, mais celle-ci est assez particulière. Ces différents types de réseaux d'information montrent à la fois des caractéristiques communes et des spécificités dont il convient de tenir compte. Pour des raisons à la fois techniques, sociales et économiques, il est donc utile de chercher à modéliser les réseaux par lesquels circulent information et connaissances. En nous inspirant des acquis importants en sociologie structurale et en analyse mathématique de réseaux, nous avons développé une approche de modélisation des réseaux par simulation. Nous avons tout d'abord développé un langage de modélisation qui se veut le plus flexible possible tout en demeurant simple et abordable pour des utilisateurs variés. Pour ce faire, nous nous sommes inspirés de modèles existants de la littérature et avons tenté d'en abstraire les concepts essentiels que devrait offrir un tel langage. Ensuite, nous avons réalisé NetSim, une plate-forme paramétrable de génération de réseaux capable d'interpréter ce langage et permettant de tester diverses hypothèses sur la structure des réseaux que l'on peut observer empiriquement. Cet outil offre aussi des fonctionnalités de visualisation, sous forme de graphe, de l'évolution du réseau dans le temps. Finalement, nous avons obtenu des résultats plutôt convaincants quant à l'utilisation de notre logiciel pour modéliser et simuler divers types de modèles de l'évolution temporelle de la structure des réseaux. Les phénomènes observés par simulation s'apparentent effectivement à certains faits observés dans la réalité. Ce logiciel pourra servir d'outil de recherche, d'expérimentation, de visualisation et de formation dans un domaine en plein développement. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Réseaux d'information, réseaux sociaux, modélisation, simulation.

Alors que les réseaux sociaux s'attachent à représenter des entités et les relations existant entre elles, les réseaux d'information intègrent également des attributs décrivant ces entités ; ce qui conduit à revisiter les méthodes d'analyse et de fouille de ces réseaux. Dans ces travaux, nous proposons des méthodes de classification des entités du réseau d'information qui exploitent d'une part les relations entre celles-ci et d'autre part les attributs les caractérisant. Nous nous penchons sur le cas des réseaux à vecteurs d'attributs, où les entités du réseau sont décrites par des vecteurs numériques. Ainsi nous proposons des approches basées sur des techniques reconnues pour chaque type d'information, faisant appel notamment à l'inertie pour la classification automatique et à la modularité de Newman et Girvan pour la détection de communautés. Nous évaluons nos propositions sur des réseaux issus de données bibliographiques, faisant usage en particulier d'information textuelle. Nous évaluons également nos approches face à diverses évolutions du réseau, notamment au regard d'une détérioration des informations des liens et des attributs, et nous caractérisons la robustesse de nos méthodes à celle-ci / While social networks use to represent entities and relationships between them, information networks also include attributes describing these entities, leading to review the analysis and mining methods for these networks. In this work, we discuss classification of the entities in an information network. Classification operate simultaneously on the relationships and on the attributes characterizing the entities. We look at the case of attributed graphs where entities are described by numerical feature vectors. We propose approaches based on proven classification techniques for each type of information, including the inertia for machine learning and Newman and Girvan's modularity for community detection. We evaluate our proposals on networks from bibliographic data, using textual information. We also evaluate our methods against various changes in the network, such as a deterioration of the relational or vector data, mesuring the robustness of our methods to them

Alors que les réseaux sociaux s'attachent à représenter des entités et les relations existant entre elles, les réseaux d'information intègrent également des attributs décrivant ces entités ; ce qui conduit à revisiter les méthodes d'analyse et de fouille de ces réseaux. Dans ces travaux, nous proposons des méthodes de classification des entités du réseau d'information qui exploitent d'une part les relations entre celles-ci et d'autre part les attributs les caractérisant. Nous nous penchons sur le cas des réseaux à vecteurs d'attributs, où les entités du réseau sont décrites par des vecteurs numériques. Ainsi nous proposons des approches basées sur des techniques reconnues pour chaque type d'information, faisant appel notamment à l'inertie pour la classification automatique et à la modularité de Newman et Girvan pour la détection de communautés. Nous évaluons nos propositions sur des réseaux issus de données bibliographiques, faisant usage en particulier d'information textuelle. Nous évaluons également nos approches face à diverses évolutions du réseau, notamment au regard d'une détérioration des informations des liens et des attributs, et nous caractérisons la robustesse de nos méthodes à celle-ci