Retour liste des projets 2025

Modélisation de dynamiques d'opinion sur réseaux sociaux

Encadrants

  • Radu Dragomir, Philippe Ciblat
  • Emails: dragomir@telecom-paris.fr, philippe.ciblat@telecom-paris.fr
  • Bureaux: 5C45, 3B56

Nombre d'étudiant par instance du projet:

  • Minimum: 4
  • Maximum: 4

Nombre d'instances du projet :

1

Sigles des UE couvertes et/ou Mots-clés :

opinion dynamics, data science, social computing, graphs, simulation

Image

project image

Description du projet :

Les réseaux sociaux ont une influence significative sur la vie politique (propagande, polarisation de l'opinion...).

Un exemple frappant est le cas récent de la Roumanie, où un candidat d'extrême-droite, antisystème et complotiste est arrivé en tête au premier tour de la présidentielle, à la suite d'une campagne concentrée exclusivement sur les réseaux sociaux. En raison de forte suspicions d'ingérence étrangère et d'irrégularités massives, l'élection est annulée par le conseil constitutionnel.

Il convient alors de se demander dans quelle mesure un réseau social peut être utilisé à des fins de manipulation politique, et quels sont les facteurs structurels facilitant de telles opérations.

Dans ce projet, nous nous intéressons aux modélisation mathématiques de la propagation d'opinion sur des réseaux. Dans ces modèles, un individu se comporte comme un agent dont le comportement est influencé par les autres agents avec qui il est en contact. Ainsi, les opinions se propagent et évoluent selon différentes dynamiques.

Nous proposons d'étudier et d'implémenter de telles modélisations, et de les comparer à des données réelles.
Le but est d'allier analyses mathématiques et empiriques afin d'apporter un éclairage sur un phénomène social complexe mais préoccupant.

Objectifs du projet :

  • Faire une revue de littérature des modèles mathématiques de propagation d'opinion
  • Choisir un modèle simple et implémenter des simulations. On pourra commencer par le modèle de DeGroot.
  • Proposer une amélioration au modèle afin de le rendre plus réaliste. On peut penser à:
    • Introduire des influenceurs sociaux et des médias (cf Hefmann et al., 2023)
    • "Effet de bascule" et influence de l'exposition répétée à une certaine opinion (effet d'accumulation)
    • Prise en compte des inégalités de richesse et de leur influence sur le paysage médiatique
    • Biais des algorithmes de recommandation des réseaux sociaux
  • Trouver des données réelles afin de calibrer et valider les modèles théoriques

Références bibliographiques: