Modeling Uncertainty in Social Network

Dans l'étude de la connexion humaine, les scientifiques s'appuient depuis longtemps sur des cartes qui semblent d'une simplicité trompeuse. Ces cartes, connues sous le nom de réseaux sociaux, traitent les relations comme des commutateurs binaires : deux personnes sont soit connectées, soit elles ne le sont pas. Si elles le sont, une ligne est tracée entre elles ; sinon, l'espace reste vide. Cette approche a été utile pour compter les amis ou suivre la rapidité avec laquelle une rumeur pourrait se propager, mais elle peine à capturer la réalité désordonnée de la vie humaine. Dans le monde réel, une relation est rarement un simple oui ou non. C'est un spectre de sentiments. Un collègue peut percevoir un partenariat comme une alliance profonde et vitale, tandis que l'autre y voit un échange d'idées occasionnel et superficiel. Les cartes traditionnelles forcent ces sentiments complexes et ambigus dans des catégories rigides, effaçant ainsi l'incertitude qui définit la manière dont les gens interagissent réellement.

Des chercheurs de l'Université de Téhéran ont proposé une nouvelle façon de dessiner ces cartes, une méthode qui embrasse cette ambiguïté plutôt que de l'ignorer. En utilisant une approche mathématique appelée logique floue (fuzzy logic), ils ont créé un système qui permet aux relations d'exister en tant que connexions « floues », où la force d'un lien n'est pas un nombre unique et fixe, mais une plage de possibilités. Cette méthode a été testée sur un groupe réel de professeurs universitaires, révélant que lorsque nous cessons de prétendre que les relations humaines sont précises, nous obtenons une image différente et plus exacte de qui détient le pouvoir et l'influence au sein d'une communauté. L'étude suggère que les personnes les plus importantes dans un réseau ne sont pas toujours celles qui ont le plus de connexions, mais souvent celles qui servent de ponts les plus fiables entre les autres, un rôle qui ne devient visible que lorsque l'on tient compte de l'incertitude de la perception humaine.

Le cœur de cette nouvelle approche réside dans la manière dont elle traite les données collectées auprès des individus. Dans un sondage standard, on pourrait demander à un professeur d'évaluer sa collaboration avec un collègue sur une échelle allant de « très faible » à « très élevée ». Dans une analyse traditionnelle, un chercheur pourrait simplement transformer le mot « élevé » en le chiffre 4 et « très élevé » en le chiffre 5. Cela transforme un sentiment subjectif en un fait brut, comme si la différence entre un 4 et un 5 était aussi exacte que la différence entre un mètre et deux mètres. L'équipe de l'Université de Téhéran a soutenu que c'est une erreur. Au lieu de forcer un chiffre unique, ils ont traduit ces mots en « nombres flous triangulaires ». Imaginez cela comme le dessin d'une petite colline sur un graphique plutôt que le placement d'un point unique. Le sommet de la colline représente la valeur la plus probable, tandis que les pentes de chaque côté représentent la plage de doute ou d'hésitation que la personne peut ressentir. Cela préserve la nuance de la réponse originale, reconnaissant que le jugement humain est rarement absolu.

Pour tester cette idée, les chercheurs ont distribué un questionnaire à vingt professeurs du département des sciences de l'ingénierie de l'Université de Téhéran. Le sondage demandait à chaque professeur d'évaluer ses relations avec tous ses autres collègues sur deux fronts distincts : la collaboration scientifique, telle que la co-rédaction d'articles ou l'encadrement d'étudiants, et l'interaction sociale, telle que les échanges amicaux ou culturels. L'équipe a ensuite construit deux réseaux distincts basés sur ces réponses. Le premier réseau cartographiait le flux du travail académique, tandis que le second cartographiait le flux des liens sociaux. Crucialement, ils n'ont pas converti les réponses au sondage en nombres simples. Au lieu de cela, ils ont conservé les données sous leur forme floue, permettant à l'analyse mathématique de travailler avec toute la plage d'incertitude dès le départ.

Une fois les réseaux flous construits, les chercheurs ont appliqué trois méthodes différentes de mesure de l'importance, connues sous le nom de mesures de centralité. La première mesure, la centralité de degré, compte simplement le nombre de connexions d'une personne. La deuxième, la centralité de proximité, observe la rapidité avec laquelle une personne peut atteindre tous les autres membres du réseau. La troisième, la centralité d'intermédiarité (betweenness centrality), identifie qui agit comme un pont ou un gardien, se situant sur les chemins les plus courts entre les autres personnes. Dans un réseau flou, ces calculs sont plus complexes. Au lieu de simplement compter les lignes, le système calcule le « meilleur » chemin entre deux personnes en pesant la force et la fiabilité des connexions le long du parcours. Il ne demande pas seulement si un chemin existe, mais à quel point ce chemin est fort et certain.

Les résultats de cette analyse floue ont offert une vision radicalement différente du département par rapport aux méthodes traditionnelles. Dans le réseau académique, un professeur se distinguait comme étant le plus connecté, agissant comme un centre impliqué profondément dans de nombreuses collaborations. Cependant, l'analyse floue a révélé qu'un autre professeur, bien que moins connecté, était le pont le plus critique. Cet individu se trouvait sur les chemins optimaux entre presque toutes les paires de collègues. Dans le modèle flou, ce professeur avait un score parfait pour l'intermédiarité, signifiant qu'il était le lien indispensable maintenant la structure académique. Les méthodes traditionnelles, qui forçaient les données dans des chiffres rigides, avaient largement manqué cette importance structurelle, classant ce professeur beaucoup plus bas.

Un schéma similaire est apparu dans le réseau social. Alors qu'un professeur était clairement le plus actif socialement, un autre individu est apparu comme le connecteur clé de la cohésion sociale du groupe. L'approche floue a montré que cette personne jouait un rôle vital pour lier différents cercles sociaux, même si elle n'avait pas le plus grand nombre d'amis directs. L'étude a révélé que les classements produits par la méthode floue étaient souvent très différents de ceux produits par les anciennes méthodes rigides. Pour la mesure de l'intermédiarité, la corrélation entre les résultats flous et les résultats traditionnels était si faible qu'ils étaient presque sans rapport. Cela suggère que l'approche floue met au jour des rôles cachés que l'analyse standard est incapable de voir.

Les chercheurs ont également examiné la distribution de ces scores pour comprendre la santé globale du réseau. Ils ont découvert que dans le monde académique, le réseau dépendait fortement de quelques individus clés pour fonctionner, créant une structure où la perte d'une seule personne pourrait gravement perturber la communication. En revanche, le réseau social était plus équilibré, avec moins de goulots d'étranglement critiques. Cette distinction est vitale pour les administrateurs universitaires. Si un département dépend d'un seul professeur « pont » pour la collaboration académique, cette personne devient un point de défaillance unique. Identifier ces rôles permet aux dirigeants de prendre de meilleures décisions concernant l'allocation des ressources, le soutien aux projets interdisciplinaires et le renforcement du réseau contre les perturbations potentielles.

En conservant l'incertitude des données plutôt qu'en la rejetant, cette étude démontre que la carte la plus précise d'un réseau social n'est pas celle qui semble la plus propre, mais celle qui admet le plus de choses sur la complexité des relations humaines. L'approche floue n'ajoute pas seulement une couche de sophistication mathématique ; elle change l'histoire que racontent les données. Elle révèle que l'influence ne consiste pas seulement à avoir beaucoup d'amis ou à être très proche de tout le monde, mais à être le chemin le plus fiable entre des personnes qui seraient autrement déconnectées. Pour la première fois, les chercheurs disposent d'un outil capable de mesurer la force d'une relation non pas comme un fait fixe, mais comme une incertitude vivante et vibrante, offrant une vue plus claire de l'architecture invisible qui maintient les communautés ensemble.