Comment sommes nous connectés ? | Feat. E-penser, Manon Bril & bien d'autres | EPISODE #9
Summary
TLDRDans ce script captivant, l'orateur nous emmène à la découverte des réseaux sociaux et de la façon dont les informations se propagent. Il partage son expérience avec une vidéo qui a connu un franc succès, ayant été partagée par des personnes de divers horizons culturels et professionnels. L'orateur aborde la théorie des six degrés de séparation, popularisée par Paul Erdös et Stanley Milgram, pour expliquer la connectivité entre les individus dans le monde réel et sur Internet. Il évoque également les recherches de Duncan Watts et Albert-László Barabási qui ont révélé des propriétés clés des réseaux sociaux, y compris la présence d'hubs et la formation de communautés. Le script utilise des exemples concrets, comme le réseau des acteurs et le cas des vidéos de science sur YouTube, pour illustrer comment les réseaux sont structurés et comment les informations peuvent parcourir ces réseaux, influençant ainsi nos perspectives et opinions. L'orateur conclut en montrant comment la position d'un individu dans le réseau détermine sa vision du monde.
Takeaways
- 📈 L'auteur a partagé une vidéo sur Twitter qui a eu un impact significatif et a été partagée par divers comptes en différentes langues, illustrant la portée internationale de son contenu.
- 🌐 Il a souligné la curiosité de comprendre comment les réseaux sociaux connectent les individus entre eux, une question clé pour la propagation d'informations et l'influence politique.
- 🔬 Le mathématicien Paul Erdös a été le premier à poser la question de la structure des réseaux sociaux et a proposé un modèle aléatoire de liaisons.
- 🔗 La théorie des six degrés de séparation, popularisée par Stanley Milgram, suggère qu'il y a un court chemin reliant n'importe quel deux individus dans le monde.
- 📉 Duncan Watts a remis en question la théorie des six degrés de séparation en montrant que les réseaux sociaux sont plus complexes et peuvent être analysés en utilisant la théorie des graphes.
- 🎬 L'étude de la connectivité entre les acteurs du cinéma par Kevin Bacon a fourni un exemple pratique de la théorie des six degrés de séparation.
- 🏆 Les acteurs les plus prolifiques forment des communautés fermées où ils se connaissent tous, illustrant la formation de groupes étroits au sein de réseaux plus larges.
- 📊 Albert-László Barabási a découvert que les réseaux sociaux suivent une distribution d'Hubs, où quelques individus ont un grand nombre de connexions, contrastant avec le modèle de Erdös.
- 🌐 Les réseaux sociaux présentent trois propriétés principales : des chemins courts, la formation de communautés et la présence d'Hubs qui connectent ces communautés.
- ⚙️ Les réseaux ont une structure qui permet une propagation d'informations efficace, auto-organisée et sans planification.
- 📊 L'analyse d'un réseau Twitter de personnes intéressées par la science sur YouTube a montré une structure similaire à celle des autres réseaux sociaux, avec des hubs et des communautés distinctes.
- 🚦 La position d'un individu dans le réseau social influence sa vision du monde et, par conséquent, ses opinions et jugements.
Q & A
Quelle est la première question que le narrateur se pose au sujet de la vidéo partagée sur les termites et les fourmis ?
-Le narrateur se demande quel est le chemin social qui a permis à sa vidéo de voyager si loin et d'être partagée par des personnes de différentes cultures et de statuts variés.
Comment la chaîne de connexions sociales est-elle décrite pour le boxeur重量级世界冠军?
-Le boxeur est abonné à un compte de vulgarisation scientifique anglophone, qui suit un autre compte de science francophone, qui est abonné au compte du narrateur. La vidéo a probablement transité par cette chaîne, avec seulement deux intermédiaires.
Quelle est la propriété étonnante du réseau social que Paul Erdös a découverte dans son modèle aléatoire?
-Erdös a découvert que dans un réseau social aléatoire, il est toujours possible de trouver une chaîne d'intermédiaires relativement courte pour connecter deux personnes choisies au hasard, indépendamment de la taille du réseau.
Quel est le nom de la théorie qui décrit la capacité de deux personnes choisies au hasard d'être connectées par une chaîne d'intermédiaires relativement courte?
-La théorie s'appelle les six degrés de séparation.
Quel est le nom de l'expérience menée par Stanley Milgram pour vérifier la théorie des six degrés de séparation?
-L'expérience menée par Stanley Milgram est connue sous le nom de l'expérience du courrier chaîne.
Quelle découverte a Duncan Watts faite en regardant le réseau des acteurs?
-Duncan Watts a découvert que le réseau des acteurs est organisé en petites sous-communautés avec de nombreux liens au sein de ces communautés, mais très peu de liens entre elles.
Quelle est la caractéristique distinctive des hubs dans un réseau social?
-Les hubs sont des individus qui ont un nombre de connexions ou d'amis considérablement plus élevé que la moyenne, servant souvent de pont entre différentes communautés.
Quelle est la découverte d'Albert-László Barabási sur la distribution du nombre d'amis dans les réseaux sociaux?
-Barabási a découvert que la distribution du nombre d'amis dans les réseaux sociaux suit un invariant d'échelle, avec la plupart des gens ayant un nombre d'amis relativement faible et quelques hubs ayant un grand nombre d'amis.
Quelle est la propriété des réseaux que Barabási a observée et qui est partagée par de nombreux autres types de réseaux?
-Barabási a observé que les réseaux ont la capacité de propager des informations de manière très efficace grâce à leur structure, sans nécessiter de planification extérieure.
Comment la structure des réseaux sociaux est-elle influencée par les nouveaux noeuds qui y sont ajoutés?
-Lorsqu'un nouveau noeud (personne, site web, etc.) rejoint un réseau, il se connecte préférentiellement aux noeuds les plus visibles, ce qui peut être les hubs ou les noeuds proches, formant ainsi des communautés et des liens entre eux.
Quels sont les trois principaux types de zones que l'on peut identifier dans le réseau des personnes abonnées à Dirty Biology ou e-penser sur Twitter?
-Les trois principaux types de zones sont : la vallée des sceptiques, la région des chercheurs et ex-chercheurs, et la région centrale avec les institutions culturelles et scientifiques.
Comment la localisation d'une personne dans un réseau social influence-t-elle sa vision du monde et ses opinions?
-La localisation dans le réseau détermine les informations et les influences auxquelles une personne a accès, ce qui peut façonner sa vision du monde, ses opinions et ses jugements.
Outlines
📺 La diffusion virale d'une vidéo sur Twitter
Le paragraphe 1 décrit comment une vidéo partagée sur Twitter sur les termites et les fourmis a connu un franc succès, voyageant loin dans le réseau social et étant partagée par des comptes dans différentes langues. L'auteur se demande comment sa vidéo a pu atteindre une telle portée et comment les réseaux sociaux connectent les uns aux autres. Il aborde la question de la structure de nos réseaux sociaux et de la manière dont les informations se propagent, soulignant l'importance de comprendre ces mécanismes pour diverses applications, y compris la démantèlement d'organisations terroristes. Il mentionne le mathématicien Paul Erdös comme le premier à poser la question de la connectivité humaine et à proposer un modèle de réseau social basé sur des liens aléatoires, ce qui a conduit à la théorie des six degrés de séparation.
🌐 Les trois propriétés des réseaux sociaux
Le paragraphe 2 explique que les réseaux sociaux présentent trois propriétés principales : des chemins courts, une organisation en sous-communautés et la présence de 'hubs' ou nœuds qui sont connectés à de nombreux autres nœuds. Duncan Watts, en utilisant la base de données des acteurs, a observé ces propriétés et a noté que la plupart des acteurs ne sont connectés qu'à un petit nombre de personnes, tandis que quelques 'hubs' ont un grand nombre de connexions. Albert-László Barabási a découvert que les réseaux sociaux suivent une distribution d'échelle, avec la présence de 'mega-hubs' qui connectent différentes communautés et servent de raccourcis dans le réseau.
🤔 L'analyse d'un réseau Twitter basé sur des comptes de science
Dans le paragraphe 3, l'auteur utilise Twitter pour analyser le réseau des personnes qui aiment les vidéos de science sur YouTube. En se basant sur les abonnements aux comptes Dirty Biology et e-penser, il crée une approximation du réseau. L'analyse révèle un grand nombre de connexions et d'individus, mettant en évidence les hubs et les sous-communautés. Il décrit la structure du réseau, où les plus grands points représentent les individus les plus suivis et où les liens sont si denses qu'ils sont difficiles à distinguer. Il identifie différentes zones du réseau, allant des sceptiques et des chercheurs à des institutions culturelles et scientifiques, ainsi qu'une zone plus orientée vers l'entertainment.
🔄 La propagation de l'information dans le réseau
Le paragraphe 4 explore comment les informations se propagent dans le réseau analysé. Il est montré que les informations restent souvent au sein de la communauté d'où elles proviennent, et que la position d'une personne dans le réseau influence sa vision du monde et ses opinions. L'auteur illustre cela en montrant comment un tweet de l'auteur sur les termites a principalement circulé parmi les scientifiques et n'a pas largement atteint les institutions culturelles. Il compare cela à un tweet de Squeezie, qui a une portée plus large en dehors du réseau de science. L'auteur reçoit également des appels de personnes du réseau qui se plaignent de leur position ou de la taille de leur point sur la carte, ce qui montre l'engagement et la curiosité des membres du réseau.
Mindmap
Keywords
💡Réseaux sociaux
💡Six degrés de séparation
💡Paul Erdös
💡Duncan Watts
💡Communautés
💡Hubs
💡Albert-László Barabási
💡Propagation de l'information
💡Influenceurs
💡Analyse de réseau
💡Auto-organisation
Highlights
L'auteur partage des éléments intéressants liés à ses recherches sur Twitter, montrant comment une vidéo sur les termites et les fourmis a été largement partagée.
La vidéo a été partagée par des comptes dans différentes langues, y compris l'arabe, l'espagnol et le russe, illustrant la portée internationale du réseau social.
La curiosité de l'auteur sur la manière dont les informations circulent dans les réseaux sociaux et comment les individus sont connectés les uns aux autres.
Introduction du mathématicien Paul Erdös et de son modèle simpliste de réseau social où les liens sont établis au hasard.
La découverte de la propriété étonnante des réseaux : la possibilité de connecter deux personnes任意 (au hasard) par une chaîne d'intermédiaires relativement courte.
La théorie des six degrés de séparation, qui a été popularisée par les travaux de Stanley Milgram, est abordée comme une preuve de la connectivité humaine.
Duncan Watts, en tant que doctorant, a contribué à la révolution des réseaux sociaux en remettant en question les six degrés de séparation.
L'observation de Watts sur le réseau d'acteurs, qui montrait que la plupart des acteurs sont connectés par un court chemin, mais aussi l'existence de communautés distinctes au sein du réseau.
La découverte d'Albert Laszlo Barabási sur la distribution des connexions dans les réseaux, où une petite proportion d'individus (les hubs) ont un grand nombre de connexions.
L'explication de Barabási sur le mécanisme par lequel les nouveaux nœuds dans un réseau se connectent préférentiellement aux noeuds les plus visibles, créant ainsi des hubs et des communautés.
La démonstration de la structure de réseau en utilisant Twitter pour analyser la communauté des personnes intéressées par les vidéos scientifiques sur YouTube.
L'analyse a révélé que la communauté est connectée par plus de 18 millions de liens, montrant l'ampleur de la connectivité sur Twitter.
La cartographie des sous-communautés au sein de la communauté scientifique, allant des sceptiques aux chercheurs et des institutions culturelles.
L'observation que les informations et les influences circulent rarement en dehors de la communauté d'où elles proviennent, ce qui affecte la vision du monde des individus.
La pratique humoristique de l'auteur qui reçoit des appels pour être déplacé ou mis en avant sur la carte du réseau, soulignant la subjectivité et les perceptions individuelles de la place dans un réseau social.
La conclusion de l'auteur sur l'importance de la position dans un réseau social pour déterminer la portée et l'impact des informations partagées.
Transcripts
Ok, ça enregistre là ? Y'a pas d'images ? Ah oui attends... voilà.
Alors je vous présente mon compte Twitter. Je m’en sert pour partager des trucs sympas
en rapport avec mes recherches...
Et l’autre jour j’ai posté une vidéo qui a fait un petit buzz, c’était un truc
sur les termites et les fourmis, et cette vidéo elle a voyagé vraiment très loin
dans le réseau. Elle a été partagé par des comptes en arabe, en espagnol, en russe…
Par exemple elle est arrivée jusqu’à un triple champion du monde de boxe poids-lourds,
ou encore chez cette militante conservatrice américaine, chez un réalisateur de films
indien, ou chez ce politicien catalan…
Et je me suis demandé, mais c’est quoi le chemin social qui mène de mon compte jusqu’à
ces gens, comment elle a circulé cette vidéo pour arriver là-bas ?
Ben pour le boxeur par exemple, lui il est abonné à un compte de vulgarisation scientifique
anglophone, qui est lui-même abonné à un autre compte de science francophone, qui est
abonné à mon compte. Et donc c’est peut-être par là que la vidéo a transité, et vous
voyez qu’en fait ya que deux intermédiaires entre ce champion du monde de boxe et moi,
alors qu’on est quand même un peu différents quoi…
Et du coup je me demandais, comment est-ce qu’on est connecté les uns avec les autres
? Et pas juste sur Twitter ou sur Facebook, hein, je veux dire dans la vrai vie… A quoi
il ressemble notre réseau social ? Est-ce que je pourrais trouver des gens improbables
parmi les amis des amis de mes amis?
Et bien ça c’est une question que les chercheurs se posent beaucoup. Et c’est très utile
de savoir ça, pour comprendre par exemple comment se propagent les informations sur
internet, pour visualiser les influences politiques, ou même pour démanteler une organisation
terroriste.
Eh bien le tout premier qui s’est posé la question dans les années 50, c’est le
mathématicien Paul Erdös.
Alors Paul Erdös il était... un peu spécial. En fait, c’était une sorte de vagabond.
Il avait pas de maison, pas d’emploi stable, et il squattait tout le temps chez ses collègues
chercheurs pour faire des maths. Il avait que ça en tête, le reste ça l'intéressait
pas. Eh bien n'empêche, Erdos, c’est un des meilleurs mathématiciens du 20eme siecle.
Et dans les années 50, Erdös il se dit, eh ben dans la vie les gens ils se rencontrent
par hasard, et donc la meilleure approximation qu’on puisse faire de notre réseau social,
c’est de mettre des liens au hasard entre les gens… Et c’est le tout premier modèle
qui a été proposé en 1959.
Alors ça parait un peu simpliste comme approche, hein, mais déjà il se rend compte que ce
réseau, il a une propriété très étonnante : c’est que si on prend deux personnes du
réseau, n’importe lesquelles, on peut toujours trouver une chaîne d'intermédiaires relativement
courte pour les connecter. Alors qu’on a mis des liens juste au hasard. Par exemple
ce point-là et celui-là, eh bien ils sont connectés par une chaîne de 4 personnes,
ici en rouge… Encore plus bizarre, la longueur de cette chaîne ne dépend presque pas de
la taille du réseau. Si on a 100 personnes, 100.000 ou 1 million, il faudra toujours juste
quelques intermédiaires pour connecter n’importe quelle pair d’individus.
Alors cette propriété, vous en avez surement déjà entendu parler hein, c’est la plus
connue, qu’on appelle parfois les six degrés de séparation. On va y revenir en détail
tout à l’heure, parce qu’à l’époque c’était juste un truc de mathématicien
qui n’avait pas de réalité dans la vraie vie.
Stanley Milgram il faudra attendre encore 10 ans pour qu’un
autre chercheur se penche là-dessus de façon expérimentale, et c’était Stanley Milgram
[Le créatif].
Milgram, j’en parle souvent dans mes vidéos. C’est un psychologue social hyper-créatif
qui passait son temps à inventer des expériences incroyables, et en 1967, il se dit qu’il
va essayer de vérifier cette propriété qu’il existe effectivement un chemin court
entre n’importe quelle pair d’individus pris au hasard dans une population. Alors
il fait un truc très malin, il recrute un groupe de participants au Nebraska et il leur
demande à chacun d’envoyer une lettre à un courtier qui habitait à Boston. Ils leur
dit qu’ils peuvent poster cette lettre directement au courtier mais seulement s’ils le connaissent
personnellement. Et sinon ils doivent envoyer la lettre à un de leurs amis qui est susceptible
de le connaître, et ainsi de suite jusqu’à ce qu’on atteigne la cible.
Au final, le courtier de Boston va recevoir un paquet de lettres, et il y a plus qu’à
regarder par combien de personnes elles ont transité. Le résultat le voila: en moyenne
il a fallu 6 intermédiaires pour connecter la source au Nebraska et la cible à Boston.
Ce sont les fameux 6 degrés de séparation. Mais alors est-ce que ça signifie que Erdos
avait raison ? Est-ce qu’il suffit juste de balancer des liens au hasard pour avoir
une bonne approximation de notre réseau social ? Ben en fait pas vraiment… À la fin des
années 90, il va y avoir de nouvelles découvertes qui vont tout changer…
Et le point de départ de cette révolution va venir d’un jeune doctorant
qui s’appelle Duncan Watts.
Alors aujourd’hui, Watts c’est devenu une méga-star de la recherche, hein. Le tout
premier article sur les réseaux sociaux qu’il va publier pendant sa thèse en 1998 est aujourd’hui
dans le top 50 des articles scientifiques les plus cités de tous les temps.
Alors Duncan Watts se dit que les six degrés de séparation, ça reste encore assez mystérieux.
Et là, il va avoir un coup de chance monumental. Il voit à la télévision un groupe de trois
étudiants qui venaient de découvrir quelque chose d’extraordinaire...
L’acteur Kevin Bacon serait au centre de l’univers du cinéma… Et pour preuve,
les trois étudiants arrivaient systématiquement à connecter Kevin Bacon avec n’importe
quel autre acteur, par une chaîne de comédiens qui ont joué ensemble. Vous leur dites par
exemple “Jean Reno” , et ils vous répondent ah oui il a joué dans “Mission impossible”
avec Tom Cruise, qui a joué dans “Des hommes d’honneurs” avec Kevin Bacon.
Ça ressemble quand même pas mal à notre histoire des six degrés de séparation ça,
vous trouvez pas ? Et justement, Duncan Watts, il se fait la même remarque, et il se dit
que ce réseau d’acteurs pourrait être un bon point de départ pour étudier notre
réseau social. Alors il va contacter les étudiants qui vont
lui passer une base de données gigantesque de 225k acteurs, avec à chaque fois les liens
qui indiquent ceux qui ont déjà joué ensemble et donc qui se connaissent. Et à partir de
là, la science des réseaux sociaux va exploser….
Watts remarque déjà que ce réseau respecte bien la loi des chemins courts : en moyenne
la longueur du chemin entre deux acteurs est seulement de 3,6 personnes. Les trois étudiants
avaient bien remarqué ça pour Kevin Bacon, mais en fait ça marche avec n’importe qui.
D’ailleurs si vous voulez vous amuser avec ça, la base de données qu’a utilisée
Watts est librement accessible en ligne, par exemple si j’essaye avec deux acteurs improbables,
disons Louis de Funès et Joey Starr... Eh bien voilà le chemin le plus court : De funès
a joué dans le gendarme et les gendarmettes avec Claude Gensac qui a joué dans L’immortel
avec Joey Starr. Et ya seulement un seul intermédiaire entre les deux...
Mais là où ça devient intéressant c’est que ce réseau a une deuxième propriété,
c’est qu’il est organisé en petites sous-communautés, avec beaucoup de liens au sein d’une communauté
mais très peu de liens entre les communautés.
Par exemple si on regarde qui sont les acteurs les plus prolifiques, d’accord ? Ceux qui
ont joué dans le plus grand nombre de films. Eh bien on se rend compte que ces acteurs
très productifs, ils se connaissent tous, ils ont tous joué les uns avec les autres,
mais très peu avec le reste du réseau. Alors on va regarder qui sont ces acteurs, voilà
leur noms, c’est Tom Byron
Marc Wallice Ron Jeremy
Peter North T T Boy
Et ça continue yen a une bonne centaine comme ça… et c’est que des acteurs… qu’on
connait pas… enfin peut-être que vous les connaissez parce qu’en fait ce sont des
acteurs de films pornographiques – je connais pas – qui sont effectivement très productifs,
et qu’on retrouve tous ensemble dans une petite communauté quasiment fermée. On retrouve
de la même façon une communauté pour les acteurs de western des années 50, une autre
pour les comiques français, une autre pour les gros bras dans les films d’action, etc…etc…
Et à chaque fois c’est pareil, on a des liens très denses au sein de la communauté
mais beaucoup moins entre les communautés. Mais alors comment c’est possible, d’être
à la fois enfermé dans une certaine communauté et en même temps connectés à tout le monde
par un chemin court ?
Eh bien ça c’est grâce à une troisième propriété qui va être découverte quasiment
au même moment par Albert Lazlo Barabasi.
Barabasi aujourd’hui c’est l’expert numéro 1 mondial de l’étude des réseaux.
Il a écrit plusieurs livres à ce sujet qui ont été ma source d’information principale
pour préparer cette vidéo.
Alors voilà sa découverte : Si vous prenez le modèle aléatoire de Erdos et que vous
comptez combien d’amis possède chaque personne, vous allez voir apparaître une courbe en
cloche. La courbe en cloche vous la connaissez hein, on la retrouve par exemple quand on
mesure la taille des gens dans une population. La plupart des gens ont une taille proche
de la moyenne et c’est très rare de trouver des gens vraiment très grand ou vraiment
très petit. Eh bien le modèle d’Erdos il prédit la même chose pour le nombre d’amis
dans notre réseau social: tout le monde a un nombre d’amis proche de la moyenne, certain
un peu moins d’autres un peu plus mais ça reste dans le même ordre de grandeur. Eh
bien ça, ce n’est pas du tout ce qu’on observe dans un vrai réseau social… Au
lieu d’une courbe en cloche, Barabasi découvre qu’on a ce qu’on appelle un invariant
d’échelle. La très grand majorité des gens ont un nombre d’amis relativement faible,
mais il y a quelques exceptions qui ont un nombre d’amis gigantesques, c’est ce qu’on
appelle des hubs. Si la taille des gens suivait une distribution
comme ça, on serait tous tout petits, sauf quelques personnes qui mesureraient genre
2m , 5m, voir même 10m et yen aurait même un de temps en temps qui mesurerait 250 m
de haut.
Eh bien pour le nombre de connections dans un réseau, c’est exactement comme ça.
Dans tous les réseaux il y a toujours quelques mega-hubs. Et ce sont eux qui vont faire le
lien entre les différentes communautés parce qu’en général ils appartiennent à plusieurs
groupe en même temps, et en plus ils sont souvent connectés les uns aux autres et donc
ils vont servir de raccourci pour passer d’une région du réseau à une autre. Par exemple
dans la communauté très fermée des acteurs de films pornographique il y a Rocco Siffredi
qui a joué aussi dans des films grand public par exemple avec Elie Semoune ou avec François
Berléand, et donc qui va faire le lien entre les acteurs de films X et ceux des autres
communautés.
Voilà on a maintenant les trois propriétés principales des réseaux sociaux : les chemins
courts, les regroupement en communauté et la présence de hubs.
Et ce qui est dingue, c’est qu’on retrouve les mêmes propriétés dans presque tous
les réseaux qu’on peut imaginer. Si on regarde par exemple le réseau des sites web
sur Internet. On trouve des regroupements de sites qui se référencent les uns les
autres, on trouve des hubs qui ont des liens partout comme le site d’Amazon par exemple,
et on trouve des chemins courts. Ça marche aussi pour les réseaux des neurones dans
le cerveau, pour les réseaux des découvertes scientifiques, pour les réseaux d’échanges
culturels entre les musées, ou pour les réseaux de transport.
Et ça c’est typiquement la signature d’une grande découverte. Quand il y a un truc qu’on
retrouve dans plein de domaines qui n’ont a priori rien à voir les uns avec les autres,
c’est qu’il y a probablement un mécanisme universel, commun à tous ces domaines.
Et ce mécanisme c’est Barabasi qui va le découvrir, et il est très simple : à chaque
fois qu’un nouveau noeud arrive dans un réseau, que ce soit une personne, un site
web ou un musée, il va se connecter préférentiellement avec les noeuds qui sont les plus visibles.
Et les plus visibles c’est soit les gros (et ça ça donne les hubs) soit ceux qui
sont proches comme les amis de mes amis dans un réseau social (et ça ça donne des communautés).
C’est tout ! Et si vous faites ça de manière répétée vous allez voir apparaître un
réseau qui a la structure qu’on vient de décrire, qui a la capacité de propager des
informations très efficacement et tout ça de manière auto-organisée sans qu’il n’y
ai besoin de personne pour le planifier.
Alors je vous propose tout de suite qu’on se fasse une petite démonstration, et pour
ça, on va retourner sur l’ordinateur.
Alors on va se servir de Twitter pour regarder à quoi ressemble le réseau des gens qui
aiment les vidéos de science sur Youtube, d’accord ? Comme vous et moi par exemple.
Alors je sais bien que Twitter c’est pas la vraie vie, qu’il va y avoir beaucoup
de biais et qu’on va ignorer tout ce qui ne sont pas inscrit sur cette plateforme,
donc c’est pas idéal mais pour un premier aperçu ça sera déjà pas mal.
Alors sur Twitter on va chercher tous les gens qui sont abonnés soit à Dirty Biology
soit à e-penser, d’accord ? Parce que si vous aimez la science sur Youtube, ya des
chances pour que vous connaissez au moins un des deux, donc c’est une approximation
raisonnable. D’après ce petit programme que j’ai préparé il y a 291k personnes
dans cette communauté connectés les unes aux autres par plus de 18 millions de liens.
Bon alors je sais pas si vous vous rendez compte, mais ça fait vraiment beaucoup de
données, et moi ça me prendrait des semaines pour analyser tout ça. Donc on va prendre
juste un petit échantillon pour la démonstration, on va dire juste 10% de ces gens, et vous
allez voir que c’est déjà largement suffisant... Alors mon programme d’analyse a tourné
pendant 21 jours et on va enfin pouvoir découvrir le résultat...
Chaque petit point que vous voyez est une personne. Plus un point est gros, plus la
personne est suivi au sein de la communauté. Les liens entre les gens sont par endroit
tellement denses qu’on n’arrive même plus à les distinguer…
Alors on voit directement les hubs qui ressortent, ce sont les points les plus gros. On va regarder
comment ils sont positionnés sur cette carte pour voir un peu les sous-communautés dont
je vous parlais tout à l’heure. Alors si on part de Dirty Biology qui est ici en bas…
on a une zone qu’on pourrait appeler la vallée des sceptiques, où on retrouve Astronogeek,
Defakator, hygiène mentale, tronche en biais, chat sceptique, Mr Sam, etc..
Un peu plus loin on retrouve des gens qui sont plutôt des chercheurs, ou des ex-chercheurs
avec par exemples Scilabus, MrPhi, Mickael Launay, David Louapre, Tania Louis, Tristan
Kamin, Astropierre etc.. et moi aussi, je suis le petit point ici. On aperçoit Manon
Bril aussi qui tout là-haut qui est pas vraiment dans la région des chercheurs.
Et si on continu on arrive dans une région très dense avec toutes les institutions culturelles
scientifiques. On a par exemple le magazine Pour la science, La Recherche, Science et
Avenir, ya la Tete au carré, La methode scientifique, La conversation scientifique et des musées
comme le palais de la découverte ou la cité des sciences.
Ensuite on a une zone un peu désertique où il ne se passe pas grand chose. Et si on la
traverse on arrive sur la région centrale de notre carte avec e-penser, le dessinateur
Boulet, Patrick Baud, et Nota Bene. Alors eux ils occupent vraiment une position centrale
dans la communauté. Il vont connecter tout ce qui concerne les sciences à l’Est avec
la région Ouest qui est plutôt orienté vers le divertissement, où on va retrouver
des gens qui aiment la science sur Youtube mais qui aime surtout Youtube d’une manière
plus générale. Alors on a une petite bande ici avec tout ce qui est cinéma et musique,
ya le fossoyeur, les fréres Descraques, Alexandre Astier qui est un gros hub, pvnova, netflix,
golden moustache, etc... Et à l’extrémité Ouest on arrive dans
tout ce qui est humour et gaming. Alors je les connais pas assez bien pour distinguer
les sous-communautés ici, mais je pense qu’ils sont tous là, ya Norman, Cyprien, Squeezie,
Amixem, joyca, mcfly sans Carlito, Antoine Daniel, Frederic Molas et Dr Nozman qui est
ici un peu à mi-chemin entre science et divertissement. Tiens y’a un créatif là qui est pas très
gros mais qui est bien placé au milieu du réseau. Voilà si vous voulez voyager aux
extrémités de notre territoire vous pouvez aller rendre visite à Colas qui fait des
trucs super, qui ici tout seul au sud ou à Nikos Aliagas qui est tout là-haut vers le
pôle nord. Notez aussi la présence un peu étonnante de JL Mélenchon en plein milieu
de notre territoire, est-ce que les amateurs de sciences sont de gauche, c’est une question
qu’on pourrait se poser dans un prochain épisode.
Voila et la 3eme propriétés se sont les chemins courts. En moyenne, il faut seulement
3.5 intermédiaires pour connecter n’importe qui dans dans cette communauté. Alors notez
que c’est un réseau un peu particulier hein parce que les liens ne sont pas symétriques.
Le chemin par lequel circule les informations disons entre moi et Nikos Aliagas, ne sera
pas le même que dans l’autre sens. Pour qu’un de mes tweets soit vu par Nikos, il
faudrait qu’il transite par exemple par le politicien Yves Pozzo di Borgo qui me suit
et qui est lui-même suivi par Nikos. Dans l’autre sens, les tweets de Nikos peuvent
transiter par le compte NetflixFR qui est abonné à Nikos et auquel je suis abonné.
Dans les deux cas le chemin qui nous lie est très court, ya seulement un intermédiaire
entre Nikos Aliagas et moi, alors qu’on est quand même un peu différents quoi...
Et ça marche même si je vais chercher des points minuscules qui sont à l’opposé
par exemple ici dans la région des musées je vais prendre ce point… c’est une dame
que je connais pas qui travaille au CNAM apparemment, et complètement à l’opposé on va prendre
celui-là, ManaProd, que je connais pas non plus mais ça à l’air d'être du gaming…
Eh bien dans un sens cette dame est suivie par François Taddei, qui est suivi par Fabien
Olicard, qui est suivi par ManaProd. Il y a deux intermédiaires entre les deux. Et
dans l’autre sens on a un chemin différent avec deux intermédiaires aussi.
Voilà et la dernière chose que j’aimerais vous montrer sur cette carte, c’est comment
se propage les informations. Donc ce réseau, si vous voulez c’est un peu la carte routière
de notre communauté, qui montre les chemins par lesquels vont circuler les informations
et donc aussi les influences. Par exemple si je prends mon tweet sur les termites dont
je vous parlais au début de la vidéo, eh bien sur cette carte on voit qu’en fait
il a circulé principalement dans la région des scientifiques, il est arrivé à la frontière
avec les institutions culturelles mais sans y entrer vraiment. Et de l’autre côté
il a fait un petit voyage vers le centre, il est arrivé jusqu’à Cyrus North je pense,
mais il est pas allé plus loin que ça. Voilà par comparaison si je prends un tweet récent
de Squeezie, cette vidéo par exemple où il nous fait une superbe démonstration d’anglais
eh bien on voit que la région de propagation est beaucoup plus à l’ouest naturellement,
alors ça peut paraître un peu limité comme zone de diffusion mais en fait c’est parce
que son tweet il est largement sorti de notre communauté, parcequ’il est pas en rapport
avec les sciences. En fait 90% des gens qui l’ont reçu ne font pas partie de ce réseau.
Et d’une manière générale, ça montre que les informations sortent rarement de la
communauté de laquelle elles sont issues, et donc que votre emplacement dans le réseau
va déterminer, d’une certaine façon, votre vision du monde et donc vos opinions, vos
jugements…
Ah excusez-moi on m’appelle…
Moi : Allo ? Dirty Biology : Oui salut Mehdi
Moi : Léo ! Tu as vu ma vidéo ? BD : Oui c’est sympa ton réseau là mais,
euh, pourquoi je suis tout en bas moi ? Moi : Euuuh…
DB : Non mais tu peux pas me monter un peu plus quand même ?
Moi : Ah non mais c’est pas moi qui décide, Je… attends Léo ne quitte pas.
Moi : Allo ? Manon Bril : Oui Mehdi, oui salut c'est Manon.
Moi : Ah Manon. MB: Du coup je me disais, comment ça se fait
que je suis pas dans la zone des chercheurs, moi ?
Moi : Dans la zone des chercheurs... MB : Parceque j’ai un doctorat
Moi : Oui oui je sais, je pense... MB : Tu fais partie de ces gens qui considère
que l'histoire c'est pas une science c'est ça ?
Moi : Non, non pas du tout moi tu sais je suis fan… attends une seconde.
Moi : Allo ? Créatif : Oui salut c’est un créatif ! Eh
je viens de voir ton graph là, et je me disais mais pourquoi tu m’as mis un point tout
petit ? Je suis un influenceur quand même tu vois, si tu pouvais me mettre un plus gros
point, hein ? On fait ça ? On dit qu'on fait comme ça ? Tu me fais ça asap ? Allez...
Scilabus : Oui bonjour Mehdi, c’est Viviane. Est-ce que tu pourrais me mettre un peu plus
à l’Est dans le réseau s’il te plait ? Je voudrais me rapprocher des institutions
culturelles. Moi : Non mais arrêtez de m’appeler pour
ça c’est pas moi qui décide comment sont les ...
OUI ALLO ! !
E-penser : Oui Mehdi c’est Bruce...
Moi : Bruce ! euuuh… tu veux que je déplace ton point ?
E-penser : … Non non, c'est bon tu peux le laisser.. Il est bien ton graph. Tu peux
continuer mon grand… C'est bien. Moi : Merci Bruce. et sinon tu pourrais me
faire un peu de pub sur Twitter ? … enfin c'est pas obligé hein, c'est comme tu veux
hein… Ça serait sympa.... Allo ? Allo ?
Посмотреть больше похожих видео
04 - CCNA 1 - Chapitre 01 - Topologies et types des réseaux
MOOC SNT / Réseaux sociaux, le monde est-il si petit ?
Cours réseaux - 1 Introduction et protocole Ethernet
Week 5 -- Capsule 1 -- From linear classification to Neural Networks
03 - CCNA 1 - Chapitre 01 - Composants d'un réseau
Week 5 -- Capsule 3 -- Learning representations
5.0 / 5 (0 votes)