1. UNIVERSITE DE POITIERS
INSTITUT D’ADMINISTRATION DES ENTREPRISES
MEMOIRE
Identification de leaders d’opinion sur le Web
& analyse de réseaux
Maître d’apprentissage : Fanny Forgeau
Professeur référent : Camille Alloing
Responsable de filière : Nicolas Moinet
Année universitaire 2013 – 2014
Jean Baptiste Mac Luckie
Master 2 Intelligence Economique et
Communication Stratégique
Note obtenue : 18,5/20

2. 2

3. 3
Résumé
Dans quelle mesure l'analyse & la visualisation de réseaux appliquées au web peuvent-elles permettre
d'identifier de potentiels leaders d’opinions sur le Web ? C’est à cette question que ce mémoire a cherché à
répondre. Le présent mémoire s’inscrit dans une volonté double : interroger le concept d’influence sur le
Web, et plus précisément le concept de leader d’opinion, et proposer un cas d’étude portant sur
l’identification de potentiels leaders d’opinions dans le domaine des droits LGBT afin de développer la
notoriété d’Equaldex.com.
Ce travail de recherche a été réalisé dans le cadre du Master 2 Intelligence Economique &
Communication Stratégique de l’IAE de Poitiers et d’une année d’apprentissage au sein de l’entreprise
Linkfluence, spécialiste du social media intelligence en France. A travers une revue de littérature sur les concepts
d’influence, la réalisation & l’analyse d’un graphe de sites web afin d’identifier de potentiels leaders d’opinion
au sein du réseau cartographié, nous avons souhaité déconstruire certains mythes rattachés à la notion
d’influence. En effet, les discours des praticiens semblent parfois surévaluer le rôle des leaders d’opinion dans
le déclenchement de dynamiques virales. A cela s’ajoute notre volonté de discuter des méthodes généralement
utilisées pour identifier les influenceurs sur le Web et de proposer des nuances quant aux applications de
celles-ci.
Mots-clés :
Influence | Leader d’opinion | Analyse de réseaux | Incertitude

4. 4
Remerciements
Je souhaite vivement remercier Camille Alloing, maître de conférences en Sciences de
l’Information et de la Communication pour la qualité de son suivi et les remarques pertinentes qu’il
aura su me faire au long de ces deux années de Master Intelligence Economique & Communication
Stratégique.
Puisque ce mémoire a été réalisé dans le cadre d’une année en apprentissage, je remercie
l’entreprise Linkfluence qui m’a accueillie le 2 octobre 2013 en tant que social media analyst. Je n’aurais
pu rêver mieux comme lieu d’apprentissage. Merci donc à Guilhem Fouetillou, co-fondateur, à
Fanny Forgeau, directrice du pôle Research, à Matthieu Vion, Matthieu Ponzio, Hélène Girault,
Antoine Vaguet et tous mes collègues du pôle Research pour leur accueil, leur gentillesse et pour la
qualité de leurs conseils. Mes remerciements vont également à Hervé Simonin, CEO, Camille
Maussang, co-fondateur, Romain Pedron et au reste de la grande équipe Linkfluence.
Merci également à Mariannig Le Béchec pour ses retours très instructifs sur l’analyse de
réseau et la visualisation de graphes lors du COSSI 2014, à Caitriona Noonan de The University of
South Wales qui a su me donner goût à la recherche, à Christian Marcon et Nicolas Moinet.
Je souhaite également remercier Antoine H. pour son aide & sa relecture attentive, Antoine
D., Quentin G., Ludovic C., Raphaël B. & tous les amis qui ont pu m’aider pour la rédaction de ce
mémoire.
Merci à Dan Leveille pour avoir accepté que je réalise ce cas d’étude sur Equaldex & pour
avoir suscité mon intérêt pour les droits des personnes LGBT.
Enfin, j’adresse un dernier remerciement à l’ensemble de ma famille.

5. 5
Afin de visualiser le graphe de site réalisé pour notre cas d’étude en
haute qualité, merci de vous rendre à l’adresse suivante :
http://www.jbmacluckie.net/blog/lgbt-map-642

6. 6
Glossaire & sigles
Agrégat : sur le Web, ensemble de sites web connectés traitant d’une même thématique.
Amateurisation de masse : selon Shirky (2008) il s’agit du phénomène découlant de la possibilité
pour tout internaute d’exprimer ses opinions sur le Web
Analyse de réseaux (ou analyse structurale) : étude des réseaux & des relations sociales,
principalement en sociologie.
Arc : lien entre deux noeuds dans un graphe orienté.
Arête : lien entre deux noeuds dans un graphe non-orienté.
Autorité : en analyse de réseaux, une autorité désigne un noeud ayant un nombre important de liens
entrants (Kleinberg 1999).
Cartographie du web (ou graphe de site web) : visualisation de réseau de sites web & des liens
hypertextes qu’ils entretiennent entre eux.
Cascade d’informations (ou cascade d’influence, dynamique virale) : lorsqu’un individu
adopte un comportement en conformité avec le comportement des membres de son réseau (Easley
et Kleinberg 2010).
Centralité de degré (degree) : détermine la position d’un noeud au sein d’un réseau. La centralité de
degré désigne le nombre de liens entrants et sortants d’un noeud.
Centralité d’intermédiarité (betweeness centrality) : nombre de plus courts chemins du réseau
passant par chaque noeud (Drevelle 2013).
Centralité de proximité (closeness centrality) : degré auquel un noeud est proche des autres
noeuds d'un réseau.
Centralité eigenvector (eigenvector centrality) : mesure la façon dont un noeud est connecté aux
autres noeuds très connectés du graphe (Drevelle 2013)
Complexité : dans le cadre de notre mémoire, ensemble d’éléments entretenant une forte
interdépendance entre eux.
Crawl : indexation réalisée par un robot.
Crowdsourcing : approvisionnement par la foule. Dans le cadre de notre mémoire, Equaldex.com,
le site faisant l’objet du cas d’étude, fonctionne grâce à l’approvisionnement par la foule
d’informations sur les droits LGBT dans le monde
Degré : nombre de liens entrants et sortants d’un noeud au sein d’un graphe non-orienté (où les
liens n’ont pas de sens). Dans un graphe orienté, le degré peut être entrant (liens entrants vers un
noeud) ou sortant (liens sortants d’un noeud).
Droits LGBT : droits des personnes lesbiennes, gaies, bisexuelles et transgenres.
EdgeRank : plgorithme de Facebook visant à gérer la mise en visibilité des informations sur le flux
d’information des utilisateurs – Pour aller plus loin : www.whatisedgerank.com
Equaldex : plateforme d’information sur les droits LGBT dans le monde créée par Dan Leveille.
Elle fonctionne grâce au crowdsourcing.

7. 7
Expertise : savoir acquis grâce à l’expérience. Dans le cadre de notre mémoire, l’expertise sur le
Web est comprise comme la capacité d’un individu à produire du contenu expert et à mettre en
visibilité celui-ci (Alloing et Haikel-Elsabeh 2012).
Gay : Utilisé, dans le cadre de ce mémoire, en tant que synonyme d’homosexuel
Gephi : Outil d’analyse et de visualisation de graphes
Graphe : ensemble de sommets (noeuds) et d’arcs / arêtes (liens) liant certains sommets. Dans notre
mémoire, le terme graphe sera utilisé en tant que synonyme de réseau.
Hexis numérique : sculpture agissante de soi dans les mondes virtuelles (Georges 2007)
Hub : noeuds d’un graphe possédant un degré important
Identité numérique : ensemble des traces numériques laissées par un internaute sur le Web
(Ertzscheid 2011)
Influence : pour Massé, Marcon et Moinet Massé, exercer une influence c’est « obtenir d’autrui qu’il
fasse librement quelque chose qu’il n’aurait pas fait spontanément sans votre intervention » (2006, p.
86)
Influenceur : terme marketing utilisé comme synonyme de leader d’opinion.
Internet : réseau informatique mondial reliant des ordinateurs entre eux.
Loi de puissance (power law) : dans le cadre de notre mémoire, la loi de puissance s’applique
concernant les degrés d’un graphe. Quelques noeuds concentrent la majorité des liens.
Klout : outil en ligne permettant de computer l’activité des profils sociaux d’un internaute. Klout
prétend pouvoir fournir un score d’influence.
Leader d’opinion : pour Alloing et Haikel-Elsabeh, « le leader d’opinion, pris au sens de « diffuseur
» est un amplificateur potentiel de la transmission de ce message. » Il s’agit dès lors d’une « source de
diffusion et médiatisation sur le web plus que d’influence » (2012, p.10)
LGBT : Lesbien, gay, bisexuel & transgenre
Maven : utilisé comme synonyme de leader d’opinion
Nouvelle science des réseaux (& Web science) : étude des réseaux ayant notamment émergé
grâce aux travaux de Duncan Watts & Albert-László Barabási.
Médias sociaux : « macro-concept » (Stenger et Coutant 2010) englobant réseaux socionumériques
et plateformes de partage de contenu
MOOC : Massive Online Open Course
Mouvement LGBT : mouvement social ayant émergé depuis les années 60 visant à lutter contre
l’homophobie, les discriminations et pour les droits LGBT (Beynon 2010).
Netnographie : étude des communautés en ligne (Kozinets 2002).
Noeud : sommet d’un réseau. Dans notre mémoire : site web sur le graphe.
PageRank : algorithme de classement des pages web de Google, dérivé de l’algorithme de calcul de
centralité eigenvector.
Réseau : ensemble de noeuds interconnectés (Castells 1998, p. 526)

8. 8
Réseaux socionumériques : services web permettant de
1. « Construire un profil public ou semi-public au sein d’un système,
2. De gérer une liste des utilisateurs avec lesquels il partage un lien,
3. De voir et naviguer sur leur liste de liens et ceux établis par les autres au sein du système,
4. Fondent leur attractivité essentiellement sur les trois premiers points et non sur une activité
particulière ». (Stenger et Coutant, p. 221)
STEPPS : cadre d’analyse développé par Jonah Berger permettant d’identifier les facteurs clés de la
viralité (potentielle ou avérée) d’un contenu ou d’un produit
Two-step flow of communication (flux communicationnel en deux temps) : modèle de l’influence
interpersonnelle selon Katz et Lazarsfeld (1955). De manière schématique : les médias de masses
diffusent du contenu qui sera filtré puis partagé par des leaders d’opinion aux membres de leurs
réseaux. Ce modèle est encore utilisé dans le cadre de stratégies de relations publiques & de
communication par exemple.
Viralité (ou contagion) : idée selon laquelle un produit, une idée, une information peuvent se
propager telles des épidémies sociales (Gladwell 2008)
Web (World Wide Web) : application d’Internet basée sur l’hypertextualité.

9. 9
Table des figures
Figure 1 - Modèle du two-step flow of communication ________________________________________________________ 20
Figure 2 - Le modèle du two-step flow of communication comparé au modèle du réseau d'influence de Watts et Dodds (2007) ________ 27
Figure 3 - Le modèle STEPPS de Jonah Berger (2013) _____________________________________________________ 28
Figure 4 - Exemple de profil sur Klout.com ______________________________________________________________ 35
Figure 5 - Les trois couches du Web selon Ghitalla et Jacomy (2007) _____________________________________________ 37
Figure 6 - Représentation schématique de la méthodologie d'écologie du Web par Linkfluence ______________________________ 38
Figure 8 - Capture d'écran d'Equaldex - Frise chronologique des droits LGBT à travers le temps __________________________ 48
Figure 9 - Capture d'écran d'Equaldex - Un lieu réticulaire de synchorisation _______________________________________ 50
Figure 10 - Processus de réalisation de notre graphe de sites web sur les droits LGBT __________________________________ 57
Figure 11 - Etapes de spatialisation du graphe de sites web ____________________________________________________ 58
Figure 12 - Visualisation du graphe de sites web __________________________________________________________ 60
Figure 14 – Répartition des sites du graphe selon leurs catégories ________________________________________________ 61
Figure 16 - Le graphe des droits LGBT, un réseau invariant d'échelle ____________________________________________ 64
Table des tableaux
Tableau 1 - Typologie des émotions selon leurs potentiels de viralité selon Jonah Berger (2013) _____________________________ 29
Tableau 2 - Comparaison entre l'approche de Linkfluence et celle des outils d'identification d'influenceurs sur le web _______________ 42
Tableau 3 - Principaux indicateurs pour l'identification de potentiels leaders d'opinion pour Equaldex _______________________ 53
Tableau 4 - Principaux critères retenus pour la création du graphe de sites web _______________________________________ 54
Tableau 5 - Comparaison des sources ayant les scores les plus importants selon 3 métriques structurales _______________________ 62
Tableau 6 - Sélection des potentiels leaders d'opinion pour Equaldex _____________________________________________ 63

10. 10
Table des matières
Résumé ...................................................................................................................................... 3
Remerciements .......................................................................................................................... 4
Glossaire & sigles ...................................................................................................................... 6
Table des figures ....................................................................................................................... 9
Table des tableaux ..................................................................................................................... 9
Introduction ............................................................................................................................. 12
Positionnement théorique ................................................................................................................. 14
Problématique ................................................................................................................................... 15
Démarche méthodologique .............................................................................................................. 15
Cadrage de l’environnement : un mémoire portant également sur les droits LGBT ....................... 16
Présentation du plan ......................................................................................................................... 16
Chapitre 1 - Revue de littérature sur l’influence sur le web .................................................... 18
Introduction au chapitre 1 ....................................................................................................... 19
I. Influence : déconstruction d’un concept .......................................................................... 19
a. Qu’est-ce que l’influence ? ......................................................................................................... 19
b. La métaphore de la contagion ................................................................................................... 21
c. Le web : entre amateurisme, expertise & influence .................................................................. 22
II. L’influence sur le web : un processus complexe ............................................................. 24
a. Le rôle des individus et des réseaux sur le Web dans les dynamiques d’adoption virales : les
apports de l’analyse de réseaux ......................................................................................................... 24
b. Le rôle du contenu et le modèle STEPPS ................................................................................. 27
c. La dépendance aux plateformes sociales & aux algorithmes ................................................... 30
d. L’influence sur le web : complexité et biais de rétrospection ................................................... 31
III. De l’identification à la construction des leaders d’opinion ........................................... 34
a. Les outils d’identification de leaders d’opinion sur le Web ...................................................... 34
b. L’identification de leaders d’opinions chez Linkfluence .......................................................... 36
c. La construction des leaders d’opinion ....................................................................................... 42
Chapitre 2 - Cas d’étude : identification de potentiels leaders d’opinion en ligne dans le
domaine des droits LGBT ....................................................................................................... 44
Introduction au chapitre 2 ....................................................................................................... 45
I. Présentation d’Equaldex en trois points ........................................................................... 47
a. Equaldex : un site d’information sur les droits LGBT .............................................................. 47
b. Equaldex : Un lieu réticulaire de synchorisation ...................................................................... 49
c. Equaldex : Un site en quête de notoriété ? ................................................................................ 50
II. Structuration de l’écosystème informationnel d’Equaldex ............................................. 51
a. Définition des besoins d’Equaldex & leur déclinaison en indicateurs ..................................... 52

11. 11
b. Constitution du corpus de sites web ......................................................................................... 53
c. Quel statut donner aux liens hypertextes ? ................................................................................ 54
d. La cartographie comme processus itératif ................................................................................ 56
III. Visualisation de l’écosystème informationnel d’Equaldex ........................................... 57
a. Spatialisation .............................................................................................................................. 57
b. Choix des signes : de la nécessité d’un travail sémiologique ................................................... 58
c. Visualisation & analyse de l’écosystème informationnel d’Equaldex ....................................... 59
IV. Résultats & discussion ................................................................................................... 61
a. Identification de potentiels leaders d’opinion ........................................................................... 61
b. Le graphe de sites web et nos hypothèses de recherche ........................................................... 64
c. Réflexions sur la cartographie & limites de l’approche ............................................................ 65
Conclusion ............................................................................................................................... 67
Bibliographie ........................................................................................................................... 71
Articles & monographies .................................................................................................................. 71
Articles de blogs ................................................................................................................................ 76
Vidéo ................................................................................................................................................. 76
Cours ayant inspiré nos travaux ........................................................................................................ 76
Annexes ................................................................................................................................... 77
Correspondance avec Dan Leveille (anglais) – Juillet 2014 .............................................................. 77
Visualisation du graphe de sites web realisé (sans étiquette des noeuds) ........................................ 79

12. 12
Introduction
« Le désastre de l’ère de l’information réside dans le fait que la toxicité des données augmente plus
rapidement que leurs avantages »1 (Taleb 2010a, p. 57).
Cette citation de Nassim Nicholas Taleb, économiste, philosophe et spécialiste de
l’épistémologie des probabilités, semble refléter la fascination que les individus entretiennent avec les
technologies de l’information et de la communication (TIC). Aujourd’hui, Internet, le « réseau des
réseaux », et le World Wide Web, l’application la plus connue d’Internet, jouent un rôle important
dans le quotidien de nos sociétés. Ainsi, en 2013 le monde comptait plus de 2,8 milliards
d’internautes, dont plus de 55 millions en France2. En ce sens, Internet et le Web sont « ubiquitaires –
ils sont partout – et pervasifs – ils ne peuvent être éteints »3 (Deuze 2012, p. xi). Comme le souligne
Mark Deuze, nous vivons « dans » les TIC plutôt qu’« avec » elles. Les vies des individus connectés
seraient ainsi dissoutes dans l’ubiquité du numérique.
L’omniprésence de ces technologies de l’information et de la communication semble avoir
des impacts sur nos vies et ce à plusieurs échelles. Le World Wide Web, inventé par Tim Berners-
Lee et Robert Cailliau en 1991 (Castells 2001), est une application d’Internet basée sur un système
d’hypertextualité permettant de naviguer d’une page web à un autre de manière non-linéaire. Le
début des années 2000 marque l’émergence d’un nouveau stade du développement du Web : le Web
2.0, parfois appelé Web social ou Web participatif. Popularisé par Tim O’Reilly en 2005, le Web 2.0
désigne un ensemble de techniques, fonctionnalités et plateformes qui met les usagers « au centre du
dispositif médiatique » (Breton et Proulx 2012, p. 314). Il est couramment admis que grâce au Web
social « les modes de création et de distribution des contenus médiatiques connaissent des
transformations significatives, bouleversant les modèles traditionnels des industries culturelles »
(ibid. p. 314). Le Web 2.0 favoriserait ainsi l’émergence d’une « culture participative » (Jenkins 2006),
de « communautés virtuelles » (Rheingold 2002) et permettrait à tout individu de devenir un medium
(Shirky 2008).
L’émergence du Web 2.0 semble avoir nourrit un certain nombres d’utopies liées à
l’information et la communication. En effet, en permettant aux internautes de produire du contenu,
d’interagir avec leurs pairs, de collaborer par l’intermédiaire de plateformes à dimension « sociales »,
1 « The calamity of the information age is that the toxicity of data increases much faster than its benefits » (Taleb 2010, p. 57)
2 Voir www.internetworldstats.com
3 « Media are ubiquitous – they are everwhere – and pervasive – they cannot be switched off » (Deuze 2012, p. xi)

13. 13
de financer des projets de manière participative grâce à des sites de crowdfunding4 ou encore de
participer à changer la société par le biais de plateformes de pétitions en ligne5, le Web social semble
être au coeur d’une utopie grandissante : celle d’une communication universelle permettant une
collaboration pour le bien de la société. Il est important de noter que cette utopie est portée par
différents profils d’individus : consultants spécialisés en technologies de l’information et de la
communication, professionnels de la communication, mais également par des universitaires tels que
Clay Shirky (2008) ou encore David Gauntlett (2011).
Lorsque le Web social est évoqué, il est souvent lié aux notions de médias sociaux et de
réseaux sociaux. Ces expressions sont d’ailleurs fréquemment utilisées dans le domaine de la
communication et du marketing. Frédéric Cavazza, consultant dans le domaine de la communication
et blogueur, définissait en 2009 les médias sociaux comme « un ensemble de services permettant de
développer des conversations et des interactions sociales sur internet ou en situation de mobilité »6.
Pour ce consultant en communication, des plateformes telles que Facebook, Twitter, Youtube, ou
encore Tumblr sont des médias sociaux. Stenger et Coutant (2010) soulignent néanmoins que le
concept de médias sociaux est avant tout un « macro-concept ». Il s’agirait selon les auteurs d’un
terme englobant différentes notions, différents types de plateformes & différentes pratiques
numériques. Pour Alloing (2013), parler de médias sociaux est un pléonasme car cela supposerait
qu’il existe des médias non sociaux.
Depuis l’émergence du Web 2.0 il est important de noter qu’il existe de réels discours de
promotion des médias sociaux à destination des entreprises (Stenger et Coutant 2010). Agences de
communication, praticiens & blogueurs en communication et en marketing font fréquemment
l’éloge de la présence en ligne des organisations et de leurs dirigeants. A titre d’exemple, en août
2014 Nicolas Bordas, vice président de l’agence de communication TBWAEurope, publiait sur le
média LesEchos.fr une tribune intitulée « Pourquoi les patrons français doivent être présents sur
Twitter »7.
Dans cette logique de présence en ligne, organisations et marques sont encouragées à
amplifier leur présence en ligne grâce au marketing d’influence ou marketing viral. La recherche de la
4 Un exemple de plateforme de crowdfunding est kickstarter.com
5 Change.org s’inscrit directement dans ce créneau : change.org
6 Cavazza, F., 2009, « Une définition des médias sociaux », MediasSociaux.fr [En ligne]
http://www.mediassociaux.fr/2009/06/29/une-definition-des-medias-sociaux/
7 Tribune en ligne : http://www.lesechos.fr/idees-debats/editos-analyses/0203718074566-pourquoi-les-patrons-francais-
doivent-etre-presents-sur-twitter-1035897.php

14. 14
viralité et du buzz sont caractéristiques de ces discours. De nombreux acteurs se sont positionnés sur
ce marché et proposent leurs services pour identifier, recruter et activer des influenceurs, ou leaders
d’opinion, qui seraient capables de diffuser à de larges audiences des informations. Si ces pratiques
se sont peut être répandues de manière corrélée avec le Web social et les médias sociaux, elles
prennent néanmoins leurs sources dans les recherches effectuées en media studies sur l’influence des
médias. Par influence, nous retiendrons l’acception suivante de Massé, Marcon et Moinet (2006, p.
86) : exercer une influence c’est « obtenir d’autrui qu’il fasse librement quelque chose qu’il n’aurait
pas fait spontanément sans votre intervention ».
En cherchant à évaluer l’influence des médias dans la communication de masse, des
chercheurs américains ont décrit celle-ci en utilisant la métaphore de la « « seringue hypodermique » :
les médias injecteraient des modèles de comportement et attitudes dans la conscience d’individus
passifs et atomisés constituant une masse amorphe » (Breton et Proulx 2012, p. 159). Katz et
Lazarsfeld (1955), chercheurs de l’école de Columbia, ont formulé l’hypothèse du two-step flow of
communication (flux communicationnel en deux temps) : les messages des médias seraient filtrés par
des leaders d’opinions et diffusés par ces derniers auprès d’audiences plus importantes. Le leader
d’opinion, notion sur laquelle nous reviendrons plus tard, est encore aujourd’hui vu par de
nombreux praticiens et agences de communication comme un moyen d’amplifier la communication
des organisations sur le Web.
Positionnement théorique
Les travaux de recherche sur l’influence sociale, l’influence des médias et l’influence sur le
Web sont nombreux. Notre revue de littérature sur ces différents sujets ne pourra donc être
exhaustive.
Le présent mémoire n’est pas, en soi, un mémoire de recherche, dans la mesure où le Master
en Intelligence Economique & Communication Stratégique de l’IAE de Poitiers a avant tout une
finalité professionnelle. Pourtant, celui-ci ainsi que les travaux de recherches qui ont été effectués
pour sa réalisation s’inscrivent dans une démarche en sciences de l’information et de la
communication (SIC). Cette discipline est caractérisée par sa relative jeunesse comparée aux autres
disciplines des sciences humaines et sociales (SHS), mais surtout par sa complexité et son
interdisciplinarité, à savoir sa capacité à confronter échanger des méthodes (Bourdeloie 2014). En ce
sens, l’objet de recherche, les notions mobilisées ainsi que les méthodes utilisées dans le cadre de nos

15. 15
recherches proviennent de différentes disciplines que sont : les SIC, la sociologie des réseaux, la
sémiologie, l’informatique, le marketing & la gestion, la géographie, les gender studies ainsi que la Web
science aussi appelée la nouvelle science des réseaux.
Problématique
Notre mémoire cherchera à répondre à cette problématique : dans quelle mesure l'analyse & la
visualisation de réseaux appliquées au web peuvent-elles permettre d'identifier de potentiels leaders
d’opinions sur le Web dans le domaine des droits LGBT, ce afin de faire connaître le site
Equaldex.com auprès d’une large audience ? Afin de répondre à cette problématique nous avons
émis trois hypothèses que nous chercherons à vérifier grâce à l’utilisation conjointe de notre revue
de littérature et de notre travail de recherche :
Dans un premier temps, nous supposons que la diffusion virale d’un contenu sur le Web dépend
de nombreux facteurs souvent non contrôlés par l’organisation. En ce sens, nous émettons
l’hypothèse que l’identification de potentiels leaders d’opinion dans le cadre d’une stratégie de
communication numérique ne permet pas de garantir la diffusion virale d’un contenu.
Les hypothèses suivantes chercheront à être vérifiées à travers la réalisation d’un graphe de sites
Web (Chapitre 2) : nous faisons ainsi l’hypothèse que le graphe de sites Web que nous réaliserons
dans le cadre de nos recherche sera un réseau invariant d’échelle8.
Enfin, nous supposons qu’Equaldex, en tant que site récent, s’inscrit dans un processus
d’attachement préférentiel au sein de ce réseau9.
Démarche méthodologique
Afin de répondre à notre problématique et de vérifier nos hypothèses, nous allons réaliser un
graphe de sites web traitant des droits des personnes lesbiennes, gaies, bisexuelles et transgenres en
France et aux Etats-Unis. Dans le domaine des sciences humaines et sociales, et plus
particulièrement des SIC, nous retiendrons que l’analyse du web revient à « vouloir saisir une réalité
techniquement complexe et socialement construite » (Monnoyer-Smith 2013, p. 13).
8 Un réseau invariant d’échelle (scale-free network) désigne un réseau où les liens sont répartis selon une loi de
puissance : quelques noeuds du réseau (acteurs ou sites web) concentrent la majorité des liens (liens sociaux ou liens
hypertextes)
9 L’attachement préférentiel désigne le principe selon lequel un nouvel acteur au sein d’un réseau va chercher à tisser des
liens avec les acteurs les plus connectés de celui-ci.

16. 16
Par graphe de sites web nous entendons un ensemble de noeuds reliés entre eux par des liens
dirigés ou non-dirigés. Dans le cadre de notre recherche, le graphe sera composé de sites web
(noeuds) et de liens hypertextes (liens dirigés). Pour cela, nous allons nous appuyer sur plusieurs
socles théoriques et méthodologiques : l’analyse de réseaux sociaux (Mercklé 2011, Lazega 2014,
Scott 2000), la théorie des graphes, la nouvelle science des réseaux (Rieder 2009), la sémiologie ainsi
que les sciences de l’information et de la communication.
L’idée de réaliser un graphe de sites web pour notre mémoire est le résultat d’une triple
influence : premièrement, notre année d’alternance au sein de Linkfluence, cabinet d’études &
éditeur de logiciel de veille e-réputation connu pour ses travaux pionniers dans le domaine de la
cartographie du Web. Puis, les enseignements du Master Intelligence Economique et
Communication Stratégie, dispensés par Christian Marcon & Camille Alloing sur le management de
réseau (2013-2014), par Camille Alloing sur l’e-réputation et la communication de crise (2012-2013
et 2013-2014) et par Mariannig Le Béchec sur l’intelligence territoriale (2013-2014) et la gestion des
connaissances (2012-2013). Et enfin, le suivi des MOOCs (cours en lignes ouverts et massifs) « Social
Network Analysis » dispensé par Lada Adamic sur la plateforme Coursera10 et « Web science: how the web
is changing the world » dispensé par Leslie Carr et Susan Halford sur FutureLearn.com11.
Cadrage de l’environnement : un mémoire portant également sur les droits
LGBT
Notre cas d’étude portera sur les sites web traitant des droits des personnes lesbiennes, gaies,
bisexuelles et transgenres (LGBT). Nous souhaitons, par le biais de la réalisation d’un graphe de sites
web portant sur cette thématique, analyser et visualiser l’écosystème informationnel d’Equaldex.com,
plateforme d’information sur les droits LGBT créée par Dan Leveille. Notre objectif est, in fine,
d’identifier de potentiels leaders d’opinion dans ce domaine afin d’accroître la notoriété
d’Equaldex.com auprès des publics intéressés par la question des droits LGBT.
Présentation du plan
Ce mémoire est divisé en deux chapitres distincts mais complémentaires :
Le premier chapitre cherchera à présenter une revue de littérature non-exhaustive sur
l’influence et plus particulièrement sur l’influence sur le Web. Pour ce faire nous nous baserons sur
10 https://www.coursera.org/course/sna
11 https://www.futurelearn.com/courses/web-science

17. 17
différents travaux de recherche en sciences de l’information et de la communication, en économie,
en sociologie, en psychologie sociale, en informatique et en marketing.
Le second chapitre portera sur notre cas d’études, à savoir la réalisation et l’analyse d’un
graphe de sites web sur les droits LGBT afin d’identifier de potentiels leaders d’opinion pour
accroître la notoriété d’Equaldex. Le graphe réalisé est également accessible en ligne en image haute
définition : http://www.jbmacluckie.net/blog/lgbt-map-642

18. 18
Chapitre 1 - Revue de littérature sur l’influence sur le
web

19. 19
Introduction au chapitre 1
Ce chapitre vise tout d’abord à présenter la notion centrale de ce mémoire qu’est l’influence,
ainsi que les termes qui lui sont rattachés, à savoir : le leadership d’opinion, le relai d’opinion, la
viralité, le buzz, le Word of Mouth (trad : bouche à oreille), l’autorité ou encore l’expertise. Dans un
second temps, ce chapitre cherche à rendre intelligible le processus d’influence sur le web grâce à
une revue de littérature. Enfin, ce chapitre vise également à comprendre comment un relai d’opinion
peut être identifié, voire construit, selon les besoins d’une organisation.
I. Influence : déconstruction d’un concept
a. Qu’est-ce que l’influence ?
Nous allons tenter, dans un premier temps, de définir la notion d’influence. La principale
difficulté réside dans l’équivocité de cette dernière, dans la mesure où l’influence a fait l’objet de
nombreuses recherches en sciences humaines et sociales. Provenant du latin influentia, l’influence
désignait alors le « pouvoir occulte attribué aux astres de modifier le destin des hommes » (Dortier
2008, p. 343). Aujourd’hui, l’influence ne désigne plus un pouvoir occulte et céleste, la notion a fait
son apparition dans le langage courant et n’est plus connotée à quelque chose de mystique. Ainsi, le
Centre National de Ressources Textuelles et Lexicales (CNRTL) la définit comme une « action
(généralement lente et continue) d'un agent physique (sur quelqu'un, quelque chose), suscitant des
modifications d'ordre matériel »12. Les deux définitions ci-dessus présentent, malgré leurs
différences, une similarité : l’influence permettrait de modifier le comportement de quelqu’un ou de
quelque chose. C’est d’ailleurs ce que défendent Massé, Marcon et Moinet (2006, p. 86) pour qui
exercer une influence c’est avant tout « obtenir d’autrui qu’il fasse librement quelque chose qu’il
n’aurait pas fait spontanément sans votre intervention ».
L’influence a fait l’objet de nombreuses recherches en sciences humaines et sociales. La
psychologie sociale, par exemple, s’intéresse à l’influence sociale, à savoir la « façon dont les attitudes
et les comportements des personnes changent sous l’effet d’une pression réelle ou imaginaire de la
part d’autres personnes » (Levine et Zdaniuk 2008, p. 25). Parmi les études les plus connues sur
12 CNRTL - http://www.cnrtl.fr/definition/influence

20. 20
l’influence sociale, celle de Solomon E. Ash datant de 195213 a permis de démontrer qu’un individu
peut changer d’avis grâce à l’influence exercée par un groupe sur lui. Les travaux de Stanley Milgram
sur la soumission à l’autorité (1963) montrent l’influence que peut avoir une personne ayant une
autorité particulière, chez Milgram il s’agissait d’une autorité médicale, sur un autre individu. Des
travaux plus récents de psychologie sociale mettent en avant les influences quotidiennes, ainsi que les
techniques de manipulation et de persuasion auxquelles nous sommes exposés tous les jours
(Cialdini 2004, Beauvois et Joule 1987, Beauvois 2011).
Dans le domaine de la communication et des media studies, l’un des types d’influences le plus
souvent étudié est celui de l’influence des médias sur les audiences. Cette dernière a longtemps été
expliquée grâce à la métaphore de la « seringue hypodermique », c’est à dire que « les médias
injecteraient modèles de comportement et attitudes dans la conscience d’individus passifs et atomisés
constituant une masse amorphe » (Breton et Proulx 2012, p. 159). Les travaux de Katz et Lazarsfeld
(1955) viennent remettre en question l’influence des médias sur les prises de décisions des individus,
notamment dans un contexte d’élections, et mettent en avant le rôle de l’influence interpersonnelle.
Katz et Lazarsfeld (ibid.) formulent ainsi l’hypothèse du « flux communicationnel en deux temps »14
(two-step flow of communication) :
Figure 1 - Modèle du two-step flow of communication
L’hypothèse du two-step flow of communication s’articule comme suit :
1. Les médias de masse délivrent un message qui est réceptionné et filtré par des leaders
d’opinion
2. Ces mêmes leaders d’opinion jouent le rôle de médiateurs : ils font les intermédiaires entre
les médias de masse et les audiences qui sont en contact avec eux.
13 Asch, S.E. (1952b). "Social psychology". Englewood Cliffs,NJ:Prentice Hall.
14 Traduction de Breton et Proulx (2012) L’explosion de la communication

21. 21
Les leaders d’opinions sont définis par Katz et Lazarsfeld comme des personnes « ayant été
influentes dans leurs environnements immédiats (2008, p. 27). L’hypothèse du two-step flow of
communication est encore aujourd’hui utilisée, notamment dans les domaines du marketing d’influence
et du marketing viral, comme le souligne Mellet (2009), ainsi que de la communication d’influence.
La définition de l’influence que nous retiendrons est celle de Massé, Marcon et Moinet (2006, p.
86) pour qui exercer une influence c’est « obtenir d’autrui qu’il fasse librement quelque chose
qu’il n’aurait pas fait spontanément sans votre intervention ».
b. La métaphore de la contagion
Influence, leaders d’opinion ou encore influenceurs sont des notions utilisées par de nombreux
acteurs (prestataires de services, éditeurs de logiciels et praticiens) de la communication, du
marketing, des relations publiques, du lobbying ou encore de l’intelligence économique. L’une des
métaphores les plus utilisées pour expliquer le phénomène d’influence est celle de la contagion, de la
viralité, surtout depuis l’émergence d’Internet et des réseaux socionumériques. Cette métaphore
prend directement ses sources dans l’hypothèse du « flux communicationnel en deux temps » de
Katz et Lazarsfeld (1955), notamment avec la valorisation du rôle des leaders d’opinion. Elle reprend
en effet le postulat qu’un groupe de personnes restreint, les leaders d’opinion, sera à même de
disséminer des informations, de propager une mode ou de diffuser une innovation, auprès d’une
audience plus large.
La métaphore de la viralité a été principalement popularisée par Malcolm Gladwell, journaliste et
auteur du best-seller Le Point de Bascule (The Tipping Point) paru dans sa version originale en 2000.
Selon l’auteur, pour comprendre l’émergence des modes, leurs succès et leurs échecs, il convient de
percevoir celles-ci comme des épidémies sociales qui se propagent notamment grâce à trois types
d’acteurs : les connecteurs, les mavens et les vendeurs (Gladwell 2008) :
- Les connecteurs (connectors) sont, selon l’auteur, des personnes « sociables » pour qui le
bouche-à-oreille est l’« apanage » (ibid. p. 57 et p. 59). Ils permettent de « dissémin[er] la
tendance » (ibid. p.59) ;
- Les mavens (mavens), de l’hébreu mevin, désignent ceux qui « possèdent l’information
inédite » (ibid. p. 59). Le maven a d’abord été théorisé par Feick et Price (1987) qui le
considèrent comme un individu ayant des informations inédites sur des produits du marché
et qui est en mesure de répondre aux demandes de son entourage. Selon Gladwell (2008, p.

22. 22
66), les mavens « jouent un rôle important dans le déclenchement des épidémies sociales
puisqu’ils connaissent plus de choses que la majorité des gens » ;
- Les vendeurs (salesmen) sont primordiaux pour le déclenchement d’une épidémie sociale.
Un vendeur, au sens de Gladwell, « possède les compétences nécessaires pour persuader
ceux qui hésitent encore à croire au message » (2008, p.69) ;
Ces trois acteurs sont, selon Gladwell, des éléments clés de la propagation d’une épidémie
sociale. Cependant, l’approche du Point de Bascule a été critiquée par plusieurs chercheurs dont Watts
et Dodds (2007) et Berger (2013) notamment pour sa dimension réductrice manquant de preuve
empirique.
L’idée que des leaders d’opinion puissent exercer une influence sur une audience plus ou
moins grande a, depuis Katz et Lazarsfeld en 1955, été réutilisée dans les domaines de la
communication et du marketing (Mellet 2009). Les années 2000 marquent en effet le « retour en
force dans la littérature professionnelle et académique » du leader d’opinion (Vernette 2006). Dès
lors, quelles sont les caractéristiques propres aux leaders d’opinion qui pourraient faciliter leur
identification ? Outre l’expertise, qui peut être définie comme l’acquisition de savoir par l’expérience,
Vernette et Florès (2004) décrivent le leader d’opinion comme « une personne qui exerce une force
d’attraction (physique, psychologique et/ou sociale) sur son entourage et qui dispose d’une forte
crédibilité dans une catégorie de produit. Ses jugements et comportements influencent les attitudes
et les choix de marques de son entourage dans ce domaine ». Cependant, comme le soulignent
Alloing et Haikel-Elsabeh (2012) cette définition ne permet pas de distinguer les leaders d’opinion
en ligne des leaders d’opinion hors-ligne.
c. Le web : entre amateurisme, expertise & influence
L’émergence du Web 2.0, conceptualisé dès 2005 par Tim O’Reilly dans l’article « What Is
Web 2.0 »15, a favorisé l’idée que le Web est devenu social. L’apparition des fora, plateformes de
blogging (Over-Blog, Wordpress, Ghost, Medium), de vlogging (Youtube, Vine, Vimeo), de
microblogging (Twitter & Tumblr) ou encore les réseaux socionumériques (Facebook) a permis aux
internautes de partager des informations, de créer des contenus et d’exprimer leurs opinions. Cette
production d’opinions est liée à ce que Shirky (2008) appelle le phénomène d’amateurisation de
15 O'Reilly, T., 2005, « What Is Web 2.0. Design Patterns and Business Models for the Next Generation of Software »,
O’Reilly.com [En ligne] http://oreilly.com/web2/archive/what-is-web-20.html

23. 23
masse (mass amateurization). Tout internaute devient ainsi un medium (« everyone is a media outlet », ibid.,
p.55) et s’adresse à une audience plus ou moins « invisible » (boyd, 2007.). Patrice Flichy (2010) va
plus loin en établissant le postulat que le web favorise l’émergence d’un nouveau règne : celui du
pro-am, à savoir le professionnel-amateur qui, grâce à ses passions et à ses échanges avec d’autres
passionnés, peut frôler l’expertise sur un ou plusieurs domaines particuliers. Or, cette notion
d’expertise est souvent considérée comme l’une des caractéristiques principales du leader d’opinion
(Vernette et Flores 2004). Néanmoins nous retiendrons l’idée selon laquelle la notion d’expertise sur
le Web est avant tout liée à la capacité à un individu à mettre en visibilité le contenu qu’il publie sous
l’autorité des moteurs de recherche (Alloing et Haikel-Elsabeh 2012).
L’identification de leaders d’opinion pour nourrir des stratégies de communication et de
marketing sur le web apparaît souvent comme une étape importante pour les professionnels de ces
secteurs. Ainsi, l’existence de véritables « discours de promotion » des réseaux socionumériques à
destination des entreprises (Stenger et Coutant 2010) promeuvent l’idée que les entreprises doivent
avoir une présence en ligne et engager le dialogue avec leurs communautés virtuelles. En outre,
celles-ci cherchent parfois à amplifier leurs campagnes de communication numérique, notamment
par le biais du marketing viral (Vernette 2006.), à savoir l’ensemble des « techniques incitant les
clients d’un produit ou d’une marque à les promouvoir dans leur entourage » (Lendrévie, Lévy 2014,
p. 414, 619).
Afin d’accroître leurs audiences, les campagnes de marketing viral (viral marketing) tendent
souvent à cibler les influenceurs pour augmenter le phénomène de bouche-à-oreille (Word of Mouth).
Smith et al. (2007) expliquent le marketing viral comme l’identification « des individus influents au
sein d’un réseau social et engager avec eux de manières à encourager le bouche-à-oreille »16 (trad.,
p.387). Selon Beauvisage et al. (2011), cette focalisation des organisations et agences de
communication sur le marketing viral et sur la métaphore de la contagion découle d’une « figure
idéale de la diffusion sur le Web, où les individus s’enthousiasment pour un contenu inconnu reçu
de leurs proches et le retransmettent ensuite à leurs (autres) amis : de quelques individus passionnés,
le contenu se diffuse de proche en proche au plus grand nombre » (p.151). Cette association entre
diffusion et influence sur le Web est également faite par Alloing et Haikel-Elsabeh (2012) qui voient
dans le leader d’opinion avant tout une capacité à diffuser et à amplifier la transmission d’un
message.
16 « identifying influential individuals in social networks and connecting with them in ways that encourage WOM
message movement » p. 387

24. 24
La définition de leader d’opinion sur le Web que nous retiendrons est celle d’Alloing et Haikel-
Elsabeh (2012), à savoir : « le leader d’opinion, pris au sens de « diffuseur » est un
amplificateur potentiel de la transmission de ce message. » Il s’agit dès lors d’une « source de
diffusion et médiatisation sur le web plus que d’influence » (p. 10)
II. L’influence sur le web : un processus complexe
La problématique de l’influence sur le web a été largement traitée dans la littérature
professionnelle et académique depuis le début des années 2000. L’émergence de la « new science of
networks » (Watts 2004), aussi appelée « Web science » (Hendler et al., 2008), qui s’appuie principalement
sur la théorie des graphes17 et l’analyse de réseaux sociaux, ainsi que de nombreuses recherches
effectuées en informatique (computer science), en sociologie, en sciences de gestion et en marketing ont
cherché à isoler les paramètres clés de l’influence sur le Web.
Nous ne pouvons prétendre à présenter, ici, de manière exhaustive les recherches effectuées sur
concernant la problématique de l’influence sur le web et surtout de l’amplification de la transmission
de contenus. C’est pourquoi nous nous focaliserons sur trois orientations de recherches que nous
considérons comme primordiales, à savoir : l’importance des individus et des réseaux, le rôle joué
par le contenu, ainsi que la dépendance de la diffusion de l’information aux plateformes sociales et
aux algorithmes.
a. Le rôle des individus et des réseaux sur le Web dans les
dynamiques d’adoption virales : les apports de l’analyse de
réseaux
Quels sont les facteurs clés de transmission d’une information sur le Web ? Le rôle des
individus et des réseaux dans le processus de diffusion et d’amplification de la transmission de
contenus sur le Web connaît un succès particulier au sein des mondes de la communication et du
marketing (Beauvisage et al. 2011). De nombreux travaux académiques se sont ainsi focalisés sur la
compréhension de la « contagiosité des individus » sur le Web (ibid.), c’est à dire comment les
17 Théorie des graphes : théorie mathématique et informatique visant à étudier les graphes, à savoir l’« [e]nsemble de
sommets (ou points) et d'arcs (ou lignes orientées) ou d'arêtes (ou lignes non orientées) liant certains couples de points »
- http://www.cnrtl.fr/lexicographie/graphe

25. 25
caractéristiques de ces derniers ainsi que leurs places au sein de réseaux peuvent être des leviers de
diffusion d’informations.
Une première série de travaux visant à analyser la répartition des liens sociaux sur le Web a
permis de montrer qu’un petit groupe d’individus concentrait la majorité des liens. Ces travaux
marquaient les prémices de ce que certains chercheurs nomment « nouvelle science des réseaux »
(Watts 2004, Rieder 2009) ou encore la « web science » (Hendler et al. 2008). Comme le souligne Rieder
(2009) et Plantin (2013), ces travaux de recherches s’inscrivent dans la tradition de la sociologie des
réseaux datant des travaux de Georg Simmel pour qui « la forme sociologique la plus simple du
point de vue méthodologique est la relation entre deux éléments » (1999, p. 116), de Moreno sur le
sociogramme ou en encore de Barnes (1954). Les concepts de réseau et de réseau social peuvent être
respectivement définis comme un « ensemble de noeuds interconnectés » (Castells 1998, p. 526) et
comme « constitué d’un ensemble d’unités sociales et des relations que ces unités sociales
entretiennent les unes avec les autres, directement, ou indirectement à travers des chaînes de
longueurs variables » (Mercklé 2011, p. 4). Mercklé poursuit : « ces unités sociales peuvent être des
individus, des groupes informels d’individus ou bien des organisations plus formelles, comme des
associations, des entreprises, voire des pays » (ibid., p.4). Il souligne également que les relations
entretenues par ces unités sociales entre elles peuvent être diverses : amitié, diffusion d’informations,
interactions verbales ou non verbales, échanges de bien ou de services ou encore la participation à
un même événement (ibid.).
L’analyse de réseaux peut dès lors être perçue comme une méthode quantitative (Mercklé
2011) qui se base notamment sur la théorie des graphes. Comme le développe Mercklé :
« L’apport méthodologique de la théorie des graphes est double : d’une part les
graphes donnent une représentation graphique des réseaux de relations, qui
facilite leur visualisation, permet la mise en lumière d’un certain nombre de
leurs propriétés structurales ; d’autre part, la théorie des graphes développe un
corpus extrêmement riche de concepts formels permettant de mesurer un
certain nombre de propriétés des relations entre éléments » (2011, p. 22).
Parmi les différentes mesures structurelles évoquées par Mercklé (ibid.), Lazega (2014) et Rieder
(2009), retenons :
- La densité : la densité d’un graphe désigne le rapport entre le nombre d’arcs (liens orientés)
ou d’arêtes (liens non-orientés) existants et le nombre maximum d’arcs ou d’arêtes possibles ;

26. 26
- La connexité : la connexité d’un graphe désigne l’absence de sommets (noeuds) isolés des
autres ;
- Le degré : pour un graphe non-orienté (où les arêtes, ou liens, n’ont pas de sens), il s’agit du
nombre de liens rattachés à un noeud X. Pour un graphe orienté (où les arcs, ou liens, ont un
sens), on parle de degré entrant pour le nombre d’arcs pointant vers un noeud Y ou de degré
sortant pour le nombre d’arcs sortant d’un noeud Y ;
- La centralité : la centralité permet de mesurer la « position relative des acteurs au sein d’un
système » (Lazega 2014, p. 41). Les trois principales mesures de centralité sont : la centralité
de degré, de proximité et d’intermédiarité (Freeman 1979). Christian Marcon résume le
concept de centralité d’un acteur au sein d’un réseau comme celui qui « opère l’interface
rare » (Marcon 2013-2014).
Appliquée à l’analyse des relations sur le Web, l’analyse de réseaux a permis à Albert-László
Barabási et Reka Albert (1999) d’identifier une propriété particulière de la toile : il s’agit d’un réseau
sans échelle (scale free network). Cela signifie que la distribution des degrés (nombre de liens d’un
noeud) suit une loi de puissance (power law). Bernhard Rieder résume cette propriété de la manière
suivante : « la majorité des noeuds affichent un degré relativement bas tandis qu’un nombre restreint
de noeuds assemble un nombre très élevé de connexions. » (2009, p. 6). Albert-László Barabási, dans
son ouvrage Linked: The New Science of Networks paru en 2003, affirme que la structure du Web est
dominée par ces noeuds hyper-connectés, ces hubs, et cite en exemple Yahoo! et Amazon.com. Pour
lui, « comparé à ces hubs, le reste du Web est invisible »18 (Barabási 2009, p. 58). Les recherches de
Barabási et Albert de 1999 ont été extrapolées par l’auteur de pop-science (ou vulgarisation scientifique)
Malcolm Gladwell dans son ouvrage Le Point de Bascule. Celui-ci parle alors de « super-échangeurs »
(2008, p. 187) voire de super-influentials, littéralement « super-influenceurs » (Gladwell 2002,
Beauvisage et al. 2011) pour désigner ces hubs.
Dès lors, suffit-il qu’un noeud au sein d’un réseau soit hyper-connecté pour faire de lui un
influenceur ? En 2007, Watts et Dodds publient un article remettant en question le rôle des
influenceurs, ou super-influenceurs, dans la formation de l’opinion public. Les auteurs ont utilisés les
modèles de seuil de comportement collectif (threshold model of collective behavior), conceptualisé
notamment par Granovetter (1978) qui stipule que l’adoption ou non d’un comportement par des
individus au sein d’un collectif dépend du nombre d’autres individus ayant déjà adopté ce
comportement, afin de modéliser mathématiquement la capacité des individus à provoquer des
18 « Compared to these hubs, the rest of the Web is invisible » - p. 58

27. 27
« cascades d’influence » (cascades of influence), que l’on peut concevoir comme une « dynamique
d’adoption virale » (Beauvisage et al. 2011, p. 158). Watts et Dodds (ibid.) représentent leur modèle
de l’influence comme suit :
Figure 2 - Le modèle du two-step flow of communication comparé au modèle du réseau d'influence de Watts et Dodds (2007)
La partie gauche de la figure est une représentation schématique de l’hypothèse du two-step
flow of communication de Katz et Lazarsfeld (1955). La partie droite de la figure représente le réseau
d’influence tel que modélisé par Watts et Dodds en 2007 où l’influence est co-construite entre les
différents membres du réseau. La modélisation mathématique effectuée par Watts et Dodds (2007) a
donc permis de remettre en question l’hypothèse des influenceurs (« the influential hypothesis »). Pour
les auteurs, le déclenchement d’une dynamique virale d’adoption ne peut se produire que si une
masse critique d’individus influence un nombre important d’individus influençables (ibid., p. 445,
Beauvisage et al. 2011, p. 158), ce qui remet en question le postulat selon lequel un petit groupe
d’influenceurs serait à la source d’une dynamique virale d’adoption tel que le soutien Gladwell
(2008).
D’autres recherches visent, quant à elles, à comprendre le rôle du contenu, du message ou
encore du produit, dans les dynamiques virales.
b. Le rôle du contenu et le modèle STEPPS
En parallèle des recherches effectuées sur les réseaux d’influence évoquées ci-dessus,
plusieurs scientifiques ont cherchés à identifier les caractéristiques des contenus et des informations
qui se diffusent de manière virale, notamment sur le Web.

28. 28
Plusieurs travaux se sont intéressés à la viralité en tant que focalisation de l’attention des
internautes sur un contenu en ligne. Beauvisage et al. (2011) soulignent que ces recherches,
notamment celles de Szabo et Huberman (2010) et Leskovec et al. (2009) ont permis de mettre en
avant deux « effets contradictoires du temps sur l’audience » à savoir :
- L’audience totale augmente avec le temps, ce qui a pour effet d’attirer l’attention des
internautes car ces derniers prêtent attention à des contenus qui ont déjà reçus de
l’attention ;
- L’attention des internautes est également portée sur la nouveauté.
Bien que d’autres travaux de recherches portant sur la focalisation de l’attention des internautes
existent, tout comme sur les trajectoires virales d’audiences (Crane et Sornette 2008), notre attention
se portera principalement sur les travaux de Jonah Berger.
Jonah Berger est professeur de marketing à l’université de Wharton et l’auteur de plusieurs
recherches sur la viralité et le bouche-à-oreille. Dans son ouvrage Contagious: Why Things Catch On
(2013), Berger affirme que l’hypothèse des influenceurs telle que formulée par Malcolm Gladwell
(2008) est non-valide et que les facteurs clés de la viralité se trouvent ailleurs. Pour lui, ce qui rend un
message, un produit, une information ou tout autre type de contenu viral, que ce soit en ligne ou
hors-ligne, c’est avant tout les caractéristiques intrinsèques de ces derniers.
Les caractéristiques des contenus ou des produits capables de susciter une dynamique
d’adoption ou de diffusion virale sont, selon Berger au nombre de six. Il s’agit du cadre d’analyse
STEPPS (Berger 2013) :
Social
Currency Triggers Emotion Public Practical
Value Stories
Figure 3 - Le modèle STEPPS de Jonah Berger (2013)
- Social currency (monnaie social) : selon Jonah Berger, les gens se soucient des
représentations qu’ont leur environnement d’eux. Pour cela, un produit ou une information
doit permettre à ces derniers de se différencier, de « trouver leur remarquabilité intérieure »

29. 29
(inner remarkability, p. 22), de « paraître intelligent plutôt qu’idiot, riche plutôt que pauvre,
cool plutôt que geek »19 (ibid., p. 22) ;
- Triggers (amorces) : afin de rappeler aux gens de parler d’un produit, d’une idée ou d’une
information, ceux-ci doivent être conçus pour que l’environnement puisse constamment
rappeler leur existence. Un des exemples cités par l’auteur est celui de la chanson « Friday »
de l’artiste américaine Rebecca Black20 dont la popularité serait due au fait qu’elle renvoie à
un contexte récurrent à savoir l’arrivée du week-end ;
- Emotion : Berger utilise la maxime « when we care, we share » (ibid. p. 23) à savoir « quand cela
nous importe, nous le partageons ». Selon l’auteur, les contenus et produits à forte
contagiosité font appel aux émotions. En s’appuyant sur ses propres recherches (2011)
Berger propose une typologie des émotions selon leurs potentiels de viralité (2013, p. 109) :
Potentiel élevé Potentiel faible
Emotion positive
Emerveillement (awe)
Excitation (excitement)
Amusement / humour (humor)
Satisfaction (contentment)
Emotion négative
Colère (anger)
Anxiété (anxiety)
Tristesse (sadness)
Tableau 1 - Typologie des émotions selon leurs potentiels de viralité selon Jonah Berger (2013)
- Public : la publicité, au sens de la mise en visibilité, la dimension publique d’un produit ou
un contenu apparaît comme l’un des facteurs clés de viralité selon Jonah Berger ;
- Practical value (valeur pratique) : plus des produits ou des informations seront pratiques et
utiles, plus les individus auront tendance à les partager à leurs entourages respectifs.
Cependant, l’auteur souligne également que face à la masse importante d’informations
auxquels ceux-ci sont soumis, les produits et informations doivent se différencier afin
d’attirer l’attention ;
- Stories (narration) : selon Berger, les individus ne partagent pas juste des informations, ils
racontent des histoires. Dès lors, les produits et informations doivent être compris au sein
d’une véritable stratégie de storytelling ;
Les six facteurs clés de viralité présentés par Jonah Berger sous la forme du cadre d’analyse
STEPPS ont la particularité de ne pas être interdépendants. En effet, l’auteur signale qu’un produit
ne peut réunir que l’une des six caractéristiques et pourtant être adopté de manière virale, idem pour
19 « Most people would rather look smart than dumb, rich than poor and cool than geeky » - Berger 2013, p. 22
20 En ligne : http://www.youtube.com/watch?v=kfVsfOSbJY0

30. 30
la diffusion d’un contenu. Cependant, existe t-il d’autres facteurs pouvant provoquer la diffusion
virale d’un contenu sur le Web ? Et quelles sont les limites du modèle STEPPS ?
c. La dépendance aux plateformes sociales & aux algorithmes
Les recherches menées sur l’influence sur le Web ont permis de mieux comprendre, dans
une certaine mesure, les éléments clés permettant le déclenchement de cascades d’influence
(Barabási et Albert 1999, Watts et Dodds 2007, Berger 2013). Mais ces résultats peuvent-ils être
généralisés aux médias sociaux présents sur le Web ?
Tout d’abord il convient de définir ce que nous entendons par médias sociaux. Ce terme
regroupe selon nous deux sous-ensembles, à savoir les réseaux socionumériques et les plateformes
de « computation sociale »21. Bien qu’il existe de nombreuses définitions des réseaux
socionumériques (Kaplan et Haenlein 2010, Kietzmann et al. 2011), nous retiendrons la définition
de Stenger et Coutant (2010 p. 221) qui se base sur celle donnée par boyd et Ellison (2007), à savoir :
les réseaux socionumériques sont des services Web permettant aux individus de :
5. « Construire un profil public ou semi-public au sein d’un système,
6. De gérer une liste des utilisateurs avec lesquels il partage un lien,
7. De voir et naviguer sur leur liste de liens et ceux établis par les autres au sein du système,
8. Fondent leur attractivité essentiellement sur les trois premiers points et non sur une activité
particulière ».
Par exemple, sont considérés comme des réseaux socionumériques : Facebook, LinkedIn,
Viadeo. Dans une autre mesure, les plateformes de computation sociales telles que définies par
Pierre Lévy participent à la construction et au partage « de manière collaborative des mémoires
numériques collectives à l'échelle mondiale, qu'il s'agisse de photos (Flickr), de video (YouTube,
DailyMotion), de musique (Bittorrent), de pointeurs web (Delicious, Furl, Diigo) ou bien de
connaissances encyclopédiques (Wikipedia, Freebase) »22. Réseaux socionumériques et plateformes
de computation sociales font ainsi partie du « macro-concept » des médias sociaux, c’est à dire une
« notion centrale qui en utilise d’autres pour être expliquée et précisée » (Stenger et Coutant 2010, p.
210).
Plusieurs recherches tendent à montrer que l’influence, ou plus précisément les cascades
d’influence, à savoir les dynamiques de diffusion virale de l’information, varient en fonction des
21 http://entretiens-du-futur.blogspirit.com/archive/2008/10/02/la-mutation-inachevee-de-la-sphere-publique.html
22 ibid.

31. 31
médias sociaux étudiés. Sur Twitter, par exemple, Cha et al. (2010) ont montré à travers leurs travaux
que le nombre de followers d’un compte (nombre de personnes abonnées) est décorrélé de la capacité
de ce même compte à être retweeté. Ce qui va à l’encontre de l’intuition suivante : plus un compte
aura d’abonnés, plus ses tweets seront repris par d’autres comptes Twitter. De même sur Flickr,
puisque Beuscart et al. (2009) ont montré que le « le nombre de favoris reçus par une photo est
décorrélé du nombre d’amis de son auteur : le succès social de certains individus ne se traduit pas
par celui de leurs oeuvres » (Beauvisage et al. 2011, p. 159). Plus récemment, des recherches menées
par Chang et al. (2014) du Yahoo! Labs ont permis de mieux comprendre les dynamiques d’influence
sur la plateforme de microblogging Tumblr. Selon les auteurs, les liens sociaux sur Tumblr (matérialisés
par un abonnement, ou follow) sont répartis selon une loi de puissance et les cascades d’influence
sont restreintes, dans la mesure 36,05% d’entre elles se déroulent uniquement entre deux comptes
Tumblr.
Dès lors, il conviendrait de ne pas généraliser les différents modèles de diffusion virale
d’informations sur le Web aux différents médias sociaux existants.
d. L’influence sur le web : complexité et biais de rétrospection
L’influence sur le Web apparaît comme une notion complexe, même si plusieurs travaux de
recherches ont tentées d’isoler les facteurs clés permettant de déclencher des dynamiques virales de
diffusion de l’information (cascades of influence) comme nous avons pu le voir précédemment.
Pour définir ce que nous entendons par complexité, nous allons nous appuyer sur les travaux
d’Edgar Morin et de Nassim Nicholas Taleb. La complexité peut être caractérisée comme la variété
des constituants d’un système et par les relations d’interactions entre ceux-ci. Reprenant la
métaphore du tissu, Edgar Morin définit la complexité comme « un tissu de constituants hétérogènes
inséparablement associés » qui « coïncide avec une part d’incertitude », incertitude due à des
phénomènes particuliers ou aux limites de l’entendement humain (Morin 2005).
Pour Nassim Nicholas Taleb (2010b), un système complexe est caractérisé par une grande
interdépendance entre les composants de ce système d’un point de vue : temporel (un composant A
est influencé par ses propres changements internes, qui sont survenus dans le passé), horizontal (il y
a une interdépendance entre un composant A et un composant B d’un même système complexe) et
diagonal (un composant A est influencé par les changements subis par un composant B, et vice-versa).
Dès lors, toujours selon Taleb, s’installe une non-linéarité qui affecte les relations de cause à

32. 32
effet, en les rendant plus complexes. Cette non-linéarité affecte aussi les changements d’un système,
en les rendant imprédictibles (Taleb 2012).
Les recherches effectuées jusqu’à présent tendent en effet à montrer que les dynamiques de
diffusion de l’information dépendent de nombreux facteurs : les caractéristiques intrinsèques des
contenus & leurs contextes de diffusion (Berger 2013), la contagiosité des individus et leurs places au
sein des réseaux (Barabási et Albert 1999, Watts et Dodds 2007), les plateformes elles-mêmes
(Beauvisage et al. 2011, Chang et al. 2014), les dispositifs attentionnels mis en place (Beauvisage et al.
2011) et les algorithmes qui servent à la fois de filtres et mettent en visibilité certaines informations
ou comptes recommandés (Alloing et Haikel-Elsabeh 2012).
La complexité du processus d’influence sur le Web est soulignée par Watts et Dodds (2007).
Ces derniers font une analogie entre les dynamiques de diffusion d’informations en ligne et les
systèmes complexes naturels, et plus précisément les feux de forêts :
« Certains feux de forêts, par exemple, sont beaucoup plus importants que la
moyenne ; pourtant personne ne peut affirmer que la taille d’un feu de forêt peut
être attribuée aux propriétés exceptionnelles de l’étincelle qui l’a déclenchée ou
de la taille de l’arbre qui a été le premier à brûler. Les grands feux de forêts
nécessitent une conjuration de vent, température, faible humidité et de
combustibles qui sont présents sur de larges étendues de terrain. Tout comme
les cascades larges au sein de réseaux d’influence, quand la bonne combinaison
de conditions existe, alors tout étincelle peut la déclencher ; quand ce n’est pas le
cas, aucune étincelle ne suffira. »23 (Watts et Dodds 2007, p. 454).
L’identification d’acteurs ou de facteurs ayant joué un rôle dans la diffusion virale
d’information sur le Web semble donc plus aisée a posteriori qu’a priori. L’examen d’un phénomène
après que celui-ci se soit déroulé peut être affecté par un biais important : le biais de rétrospection.
Comme le souligne le sociologue Gérald Bronner dans l’ouvrage de Portal et Roux-Dufort (2013), le
biais de rétrospection a été largement traité en sciences sociales et a été parfois appelé
« « dépendance téléologique », « illusion a posteriori », « illusion rétrospective » » (ibid. p. 111).
L’auteur l’explique comme suit : « lorsque l’on considère les événements présents, et que l’on sait
23 Traduction de : « Some forest fires, for example, are many times larger than average; yet no one would claim that the size of a forest fire
can be in any way attributed to the exceptional properties of the spark that ignited it or the size of the tree that was the first to burn. Major
forest fires require a conspiracy of wind, temperature, low humidity, and combustible fuel that extends over large tracts of land. Just as for large
cascades in social influence networks, when the right global combination of conditions exists, any spark will do; when it does not, none will
suffice. » (Watts et Dodds 2007, p. 454)

33. 33
donc qu’ils sont survenus, nous avons trop facilement l’impression qu’ils étaient en fait prévisibles »
(ibid, p. 111).
La tendance à vouloir expliquer, voire justifier, des phénomènes passés se trouve également
dans certains écrits sur l’influence et sur la viralité. Malcolm Gladwell (2012), par exemple, tente
d’identifier a posteriori les facteurs de diffusion virale des chaussures Hush Puppies, le tabagisme
chez les adolescents, la dépression ou encore le suicide dans son ouvrage Le Point de Bascule. Barabási
dans son ouvrage Linked (2003) explique la propagation du virus du Sida au moment de son
émergence aux Etats-Unis notamment par l’existence d’un « réseau sexuel complexe parmi les
homosexuels » dont l’un de hubs était Gaëtan Dugas (2003, p. 123). Enfin, Berger (2013) décrit les
mécanismes de diffusion de nombreux contenus tels que la chanson « Friday » de Rebecca Black, le
succès des vidéos « Will it blend », des marques Abercrombie & Fitch et Victoria’s Secret à travers le
prisme de son cadre d’analyse STEPPS.
Pourtant, ces tentatives d’explications des phénomènes de modes et de contagions sociales
ne sont-elles pas réductrices ou du moins simplificatrices ? Si l’influence est bien un processus
complexe, comme souligné par Watts et Dodds (2007), quels rôles jouent la chance, le hasard, la
volatilité et l’incertitude dans celui-ci ? La tendance des individus à vouloir simplifier les phénomènes
complexes et à les justifier, notamment a posteriori, est ce que Nassim Nicholas Taleb nomme
l’erreur de narration (narrative fallacy). Il s’agit du « besoin que nous avons de faire coller une histoire
ou un modèle à une succession de faits ayant ou non un rapport entre eux » (2012, p. 390).
Ce que nous retiendrons de cette revue de littérature est la complexité de phénomène d’influence
sur le Web. Le déclenchement de cascades d’influence, ou de dynamiques virales de diffusion
d’information, dépend de nombreux paramètres difficilement maîtrisables. En outre, nous
retiendrons que le rôle des leaders d’opinion est parfois surévalué, notamment dans la littérature
professionnelle, et que l’activité ces derniers semble n’être qu’un paramètre parmi d’autres.

34. 34
III. De l’identification à la construction des leaders d’opinion
a. Les outils d’identification de leaders d’opinion sur le Web
Bien que de nombreuses recherches aient montré les limites de l’hypothèse des influenceurs,
celle-ci persiste au sein des communautés de professionnels de la communication, du marketing, de
la veille ou encore des relations publiques.
Plusieurs sociétés se sont ainsi positionnées sur ces problématiques d’identification
d’influenceurs sur le web, à l’image d’Augure, éditeur de logiciel et prestataire de service français, qui
a créé un moteur permettant d’identifier, selon eux, des influenceurs24, ou encore des éditeurs de
plateformes permettant grâce à des algorithmes propriétaires et opaques de quantifier l’influence des
individus sur le web social, à l’image de Klout.com, Kred.com, Followerwonk.com et
PeerIndex.com. Klout.com, par exemple, définit l’influence comme « l’aptitude à conduire l’action
»25 et prétend mesurer 400 indicateurs de réseaux socionumériques différents pour produire le Klout
Score d’un individu ou d’une organisation. Le Klout Score est un indice exprimé sur 100 qui prend
en compte les critères suivants :
- Le « true reach » (portée réelle) : nombre d’abonnés, d’amis, de contacts ;
- L ‘« amplification » : le nombre d’interactions provoquées (retweets, likes, commentaires) ;
- Le network (réseau) : le ratio entre abonnements et abonnés (principalement sur Twitter) ;
Klout.com, ainsi que la plupart des autres outils d’identification d’influenceurs sur le Web
existants sur le marché, se basent ainsi sur des données quantitatives exploitées selon des
algorithmes propriétaires. Ces données quantitatives recueillies par les outils proviennent de l’identité
numérique, à savoir la « somme des traces numériques se rapportant à un individu ou à une
collectivité » (Ertzscheid 2011, p. 16). Pour Olivier Ertzscheid, ces traces numériques peuvent être
des « écrits, contenus audio ou vidéo, messages sur des forums, identifiants de connexion, etc. »
(ibid., p. 16).
Pour mieux comprendre la notion d’identité numérique et surtout pour comprendre d’où
sont puisées les données quantitatives exploitées par les outils d’identification d’influenceurs tels que
Klout.com, nous retiendrons la définition de Fanny Georges de l’hexis numérique qu’elle assimile au
concept d’identité numérique (2007). Par hexis numérique, Fanny Georges entend « une sculpture
agissante de soi dans le monde virtuel » (Georges 2008, p. 1). Citant Goffman, elle compare l’hexis
24 http://www.augure.com/fr/software/influenceurs
25 https://klout.com/corp/score

35. 35
numérique à une barbe-à-papa, « une substance poisseuse à laquelle se collent sans cesse de
nouveaux détails biographiques » (ibid., p. 1). Selon Georges, l’identité numérique s’articule autour
de trois identités (ibid.) :
- l’identité déclarative : renseignée par l’utilisateur, il s’agit principalement des détails
biographiques et des centres d’intérêts ;
- l’identité agissante : activités, liens sociaux et comportements de l’utilisateur ;
- l’identité calculée : la computation de l’identité agissante par le système ;
Nombre des outils d’identification d’influenceurs, dont Klout.com, vont ainsi exploiter les
données provenant de l’identité déclarative (pseudonyme, nom, prénom, activités, centres d’intérêts)
ainsi que les données provenant de l’identité calculée (nombre d’amis, followers, followings, nombre
d’interactions, fréquence de publication etc.) d’un ou plusieurs comptes sociaux d’un utilisateur. Sur
Klout.com, par exemple, l’exploitation de ces données prend la forme suivante :
Figure 4 - Exemple de profil sur Klout.com
1) Photo de profil : identité déclarative
2) Nom et prénom : identité déclarative
3) Biographie (déclarée sur Twitter) : identité déclarative
4) Score Klout : identité calculée (computation de l’identité agissante de l’utilisateur)
5) Centres d’intérêts : identité calculée selon les sujets les plus abordés par l’utilisateur
6) Réseaux socionumériques pris en compte par le système Klout.com pour la computation
Bien que la mesure de l’influence d’un utilisateur sur le Web en fonction de son identité calculée,
répartie entre un ou plusieurs réseaux socionumériques, puisse apparaître comme une solution
pertinente pour l’identification d’influenceurs, quelles en sont les limites ? Tout d’abord, comme le
souligne Dominique Cardon (2013), les métriques prises en compte par les systèmes que sont
Facebook, Twitter et Google ne prennent pas en compte les mêmes éléments et chaque algorithme

36. 36
« impos[e] [son] ordre sur la forme du Web qu'[il] mesur[e] » (2013, p. 174), ce qui rend artificielle
leur harmonisation. Aussi, comme le soulignent Beauvisage et al. (2011) à travers leur revue de
littérature sur l’influence, les « métriques d’influence » ne sont pas toujours corrélées à la capacité
d’un utilisateur à déclencher des cascades d’information sur le Web. Louise Merzeau (2013) signale
par ailleurs que la métrique émise par Klout.com se base sur des actions déjà effectuées par
l’utilisateur (interactions déjà provoquées, par exemple). Il s’agit donc d’une mesure a posteriori, or, si
le déclenchement de dynamiques virales de diffusion est complexe, comme souligné par Watts et
Dodds (2007), qu’est-ce qui permet d’affirmer qu’un individu « influent » selon Klout.com le sera
encore à l’avenir ? Enfin, si l’influence sur le Web est phénomène complexe, à savoir résultant de la
combinaison de multiples facteurs interdépendants, celle-ci peut elle être computable comme le font
Klout.com, PeerIndex ou Kred ?
b. L’identification de leaders d’opinions chez Linkfluence
Linkfluence est l’organisation qui a permis d’orienter les réflexions de ce mémoire. Cette
startup, créée en 2006, s’est très rapidement inscrite en tant qu’acteur de l’e-réputation et du social
media intelligence en France puis en Europe. L’identification de leaders d’opinions pour des clients,
annonceurs & agences de communication, est une mission récurrente effectuée par les chargés
d’études et de veille, aussi appelés social media researchers, de l’entreprise.
Les chargés d’études et de veille produisent, généralement, deux types de livrables. Tout d’abord,
les rapports de veille e-réputation et/ou de social media performance. Ces derniers visent à évaluer les
actions de communication sur le web social menées par les organisations dans le cadre de leurs
stratégies de présence en ligne. Puis, les études, qui sont au nombre de quatre :
- Le bilan d’image : vise à faire un audit de la présence en ligne d’une organisation, d’une
marque ou d’un produit. Pour chaque client, ce type d’étude répond aux questions : Qui
parle de moi ? Où, quand, comment & pourquoi parle-t-on de moi ?
- L’engage (analyse d’écosystème) : Il s’agit d’une étude visant à analyser l’écosystème
informationnel et réputationnel d’une organisation. Ce type d’étude a pour but d’identifier et
de mieux comprendre les communautés en lignes qui se sont exprimées à propos d’une
marque, d’un produit ou d’une organisation et celles auprès de qui il serait intéressant pour
l’organisation de communiquer ;
- L’impact : Ce type d’étude vise à évaluer les retombées d’une campagne de communication
d’un client sur le Web. Elle s’appuie principalement sur des données quantitatives ;

37. 37
- Le trends (analyse de tendances) : Ce type d’études vise à comprendre la perception qu’une
ou plusieurs communautés en ligne ont d’un type de produit, comme le parfum, le chocolat
ou encore l’hôtellerie ;
Au coeur de l’approche de Linkfluence se trouve une méthodologie centrale qui est celle de
l’écologie du Web (Fouetillou 2007). Pour Linkfluence, le Web peut être perçu comme un
écosystème (ibid.). Cette métaphore sert avant tout à appréhender la complexité de l’environnement
numérique et des éléments qui le composent et qui sont en interaction : sites web, blogs,
plateformes, réseaux sociaux numériques, liens hypertextes, internautes, algorithmes, données etc. La
notion d’écologie du Web prend alors tout son sens : Linkfluence vise à étudier les relations entre
ces éléments et de comprendre comment ils entrent en interaction entre eux et avec leur
environnement numérique. Comme le souligne Jean-Christophe Plantin citant Franck Ghitalla
(2002), le Web est en effet un « constitué de documents possédant une topologie qu’il est possible
de visualiser et d’analyser » (Plantin 2013, p. 229). Les travaux de Jacomy et Ghitalla (2007) ont
permis une représentation schématique de la structure du Web. Celle-ci serait articulée autour de
trois couches interconnectées :
Figure 5 - Les trois couches du Web selon Ghitalla et Jacomy (2007)
- La « couche la plus visible » : composée de sites web et plateformes tels que Google,
Amazon, Wikipedia, SNCF etc. ;
- La « couche intermédiaire » : il s’agit de la couche explorée par Linkfluence dans le cadre
de ses analyses d’écosystèmes. Elle est composée d’agrégats et de communautés en lignes.
Comme le souligne Le Béchec (2011), la notion d’agrégats « qualifie les sites web connectés
et traitant d’une même thématique », elle peut être résumée par l’aphorisme : « Qui se
ressemble se connecte » (Ghitalla et Jacomy 2007, p. 4) ;

38. 38
- La « couche profonde » : parfois qualifiée de Web invisible, il s’agit principalement des
bases de données ;
Cette représentation, bien que schématique, est cohérente avec les travaux de Barabási et Albert
(1999) concernant la répartition des liens hypertextes sur le Web selon une loi de puissance.
Pour Guilhem Fouetillou, co-fondateur de Linkfluence, l’analyse d’un écosystème Web permet de :
« révéler les propriétés morphologiques d’une localité du web (ensemble de
sites en proximité tant hypertextuelle que thématique) c'est-à-dire la
structuration hypertextuelle (partition communautaire) mais aussi de replacer
cette localité dans son environnement (approche écologique) et d’étudier les
principes d’organisation et d’interdépendances de la localité étudiée et de son
environnement hypertextuel ». (Fouetillou 2007, p. 282)
Pour ce faire, la méthodologie de Linkfluence peut être décomposée en plusieurs étapes :
Figure 6 - Représentation schématique de la méthodologie d'écologie du Web par Linkfluence
1. Identification des besoins du client : cette étape vise à définir les périmètres linguistiques
& temporels de l’analyse d’écosystème ainsi qu’à permettre au client d’expliciter ses besoins
en information et ses attentes ;
2. Sourcing : il s’agit de créer le corpus de sites web faisant partie de l’environnement
informationnel et réputationnel du client, à savoir : les sites qui mentionnent l’organisation,
produit(s) ou marque (s) visés, les sites qui peuvent représenter des opportunités de
communication pour le client et les sites qui peuvent représenter des risques pour celui-ci. La
phase de sourcing est généralement assistée par les technologies Linkfluence, notamment :
- Le Linkscape : un panel de sites web régulièrement mis à jour et classé par
communautés ;
- Le crawl exploratoire : une fois un premier corpus de sites web créé, un robot
d’indexation va permettre d’identifier l’« environnement hypertextuel proche » de
ce corpus (Fouetillou 2007, p. 282), à savoir les sites présents à un ou plusieurs
clics de souris de ceux identifiés ;
1.
Identification
des besoins
2. Sourcing 3. Crawl 4.
Cartographie
5. Analyse &
rédaction
6. Rendu du
livrable

39. 39
Une fois les sites identifiés, ceux-ci sont catégorisés selon les thématiques qu’ils traitent.
3. Crawl : une fois le corpus de sites web constitué, un robot d’indexation développé par
Linkfluence va identifier l’ensemble des liens hypertextes entrants et sortants des sites
présents dans le corpus et ce afin de visualiser celui-ci sous la forme d’un graphe du web ;
4. Cartographie : le fichier issu de l’indexation sera ensuite visualisé et spatialisé le logiciel de
graphe Gephi26. Par la suite, Linkfluence réalise une visualisation interactive du graphe de
sites web créé grâce à la technologie développée en interne. Cette visualisation fera partie du
livrable rendu au client ;
5. Analyse & rédaction : l’analyse est à la fois quantitative et qualitative. Il s’agit d’une
combinaison entre analyse structurale du graphe de sites web constitué, à savoir une analyse
des positions des sites web sur le graphe et des relations hypertextuelles existantes ou non-existantes
entre ceux-ci (Fouetillou 2007), et une analyse netnographique, qui peut être
définie comme « nouvelle méthode qualitative de recherche [en marketing] qui adapte les
techniques de la recherche ethnographique à l’étude des cultures et des communautés
émergeants à travers les communications médiées par ordinateurs »27 (Kozinets 2002, p. 2).
6. Rendu du livrable : restitution du livrable au client et présentation orale des résultats de
l’étude
Comme nous l’avons souligné précédemment, Linkfluence réalise au sein de ses études une
identification des sites web influents. L’étape du crawl (étape 3 de la figure 5) permet, outre
l’identification de liens hypertextes entrants et sortants des sites du corpus, d’appliquer à ces derniers
plusieurs métriques issues de l’analyse de réseaux sociaux de manière automatisée. Les principales
métriques utilisées sont :
- Degré entrant : les liens hypertextes étant dirigés, il s’agit du nombre de liens, ou arcs,
pointant vers un noeud (site web) ;
- Degré sortant : nombre de liens hypertextes sortant d’un site web ;
- Degré : somme des liens hypertextes entrants et sortants ;
- Linkfluence Score (ou score d’influence) : calcul d’autorité basé sur le nombre de liens
entrants d’un site. Il s’agit du score utilisé pour identifier des sites influents.
26 http://gephi.org
27 « [a] new qualitative research methodology that adapts ethnographic research techniques to the study of cultures and communities emerging
through computer-mediated communications. » - Kozinets 2002, p. 2

40. 40
Il convient de s’attarder sur la notion d’autorité sur le Web. Celle-ci est souvent définie comme
le « pouvoir d’agir sur autrui »28. Comme le souligne Camille Alloing sur son blog, « Lorsque l’on
parle d’autorité sur le web, on fait souvent référence à l’autorité cognitive (relation d’influence sur la
pensée de quelqu’un) ou l’autorité de l’expertise liée à la crédibilité d’un individu ou d’une
ressource »29. Il poursuit « Pour schématiser, l’autorité est la pertinence, la crédibilité dans un
domaine particulier que confère un individu à une source web »30. Si plusieurs chercheurs ont
travaillés sur la notion d’autorité sur le Web, tels qu’Evelyne Broudoux et l’autorité informationnelle
(2007), Camille Alloing et l’autorité réputationnelle (2013), Louise Merzeau et l’autorité sur Twitter
(2013) ou encore Dominique Cardon et le PageRank (2013), nous allons nous focaliser sur la notion
d’autorité en analyse de réseaux, puisque le Linkfluence Score en est un dérivé.
Dans le domaine de l’analyse de réseaux, la notion d’autorité peut être ramenée aux travaux de
Jon Kleinberg (1999) qui a créé, l’algorithme HITS (Hyperkinked-Induced Topic Search). Celui-ci est
parfois considéré comme un précurseur du PageRank de Google. L’algorithme HITS permet
d’identifier, au sein d’un graphe de pages web, des hubs et des autorités (authorities). Les autorités sont
des pages recevant de nombreux liens hypertextes entrants, ce qui permettrait, selon Jon Kleinberg,
d’évaluer la qualité du contenu de celles-ci. Plus une page aura de liens entrants, plus celle-ci aura un
score d’autorité élevé. Les hubs, quant-à-eux, désignent les pages web pointant vers de plusieurs
pages à forte autorité. Comme le souligne Kleinberg, autorités et hubs entretiennent une « relation de
renforcement mutuel » puisque : « un bon hub est une page qui pointe vers plusieurs bonnes
autorités ; une bonne autorité est une page qui est pointée par plusieurs bons hubs »31 (Kleinberg
2006, p. 611)
Afin d’identifier un site Web ou un blog influent, Linkfluence utilise généralement plusieurs
critères qui permettent de sélectionner les sites a priori, à savoir au moment de la constitution du
corpus (étape 2 de la figure 5) :
- La cohérence avec les besoins de l’organisation ou de la marque ;
- La cohérence avec les thématiques sur lesquelles une marque ou une organisation souhaite
communiquer ;
28 http://www.cnrtl.fr/definition/autorite
29 http://caddereputation.over-blog.com/article-pourquoi-mesure-t-on-la-notoriete-sur-le-web-mais-rarement-la-reputation-
85808652.html
30 Ibid.
31 « Hubs and authorities exhibit what could be called a mutually reinforcing relationship: a good hub is a page that points to
many good authorities; a good authority is a page that is pointed to many good hubs. » Kleinberg, p. 611

41. 41
- La cohérence avec l’audience ou les audiences visées ;
- Le type de contenus publiés et l’engagement qu’ils génèrent ;
- L’activité : rythme de publications, interactions avec les internautes à travers les
commentaires ;
- L’existence de profils sociaux liés à un site ou un blog : si il possède une audience importante
sur Twitter, Facebook, Youtube, Instagram et autres médias sociaux, sa capacité à diffuser
du contenu auprès de nombreux internautes représente un enjeu important ;
Une fois le graphe de sites réalisé, à savoir après le crawl (étape 3 de la figure 5) et le calcul du
Linkfluence Score par le robot d’indexation, les chargés d’études et de veille réalisent un filtrage des
sites selon leur score d’influence. Ce afin d’identifier les sites considérés comme les plus influents et
de les mettre en avant dans les études réalisées pour les clients. La méthode de Linkfluence pour
identifier des influenceurs est donc à l’opposé de celles proposées par des outils tels que Klout,
PeerIndex, ou Kred :
Approche de Linkfluence
Approche des principaux outils d’identification
d’influenceurs
Outils & algorithmes propriétaires
Outils & algorithmes propriétaires
Score d’influence basé sur l’autorité d’une source
Score d’influence basé sur un algorithme « boîte noire »
Le calcul du score d’influence ne prend en compte que les
métriques structurales (nombre de liens entrants)
Le calcul du score d’influence vise à mettre sur une même
échelle les métriques provenant de différents médias
sociaux (Facebook, Twitter, Instagram, LinkedIn etc.)
Un corpus de sources est créé selon le contexte et selon
les clients
Une base de données unique de sources est utilisée pour
tous les clients
Un influenceur est un document Web : site Web, un blog,
un profil social etc. La présence numérique d’un individu
ou d’une organisation (ensemble de ses profils sociaux,
sites et blogs) n’est pas unifiée.
Un influenceur est évalué selon la commensuration de ses
l’identités calculées (à travers différents profils sociaux) et
donc, in fine, d’une partie de sa présence en ligne.
Approche mêlant méthode quantitative (analyse
structurale) et méthode qualitative (netnographie)
Approche quantitative (analyse structurale,
commensuration)

42. 42
La notion d’influence est contextuelle et
contextualisée : Le score d’influence dépend de la
thématique étudiée & de la position d’une source au sein
d’un réseau, deux paramètres définis en amont de l’étude
selon les besoins d’un client.
L’influence est globale et décontextualisée : le score
d’influence résulte de la commensuration de profils
sociaux classés selon des thématiques.
Tableau 2 - Comparaison entre l'approche de Linkfluence et celle des outils d'identification d'influenceurs sur le web
Les deux approches comparées dans le tableau précédent peuvent être résumées de la manière
suivante :
- L’influenceur sur le Web, ou leader d’opinion, n’existe pas en soi, il s’agit d’une
construction dépendant du contexte, des thématiques et des besoins d’une organisation :
approche de Linkfluence ;
- L’influenceur sur le Web existe en soi et ses capacités sont quantifiables, il suffit de
l’identifier : approche des outils Klout, PeerIndex, Kred etc.
Sans porter de jugement de valeur sur la pertinence ou non des deux approches, nous tenons à
souligner que la première approche est celle qui a été retenue dans le cadre de l’étude de cas du
présent mémoire.
c. La construction des leaders d’opinion
L’identification de leaders d’opinion sur le Web, telle que nous allons la développer au fil de
ce mémoire, découle davantage d’une construction que d’une réelle identification. Pour ce faire,
nous nous basons sur les travaux d’Alloing et Haikel-Elsabeh (2012) qui postulent que « le statut de
leader d’opinion doit être un construit de l’entreprise voulant se reposer sur celui-ci pour développer
sa stratégie marketing ou de communication sur le web, en fonction de ses objectifs et attentes ». Les
auteurs définissent le leader d’opinion sur le web comme :
« [Un] internaute développant une certaine expertise sur un sujet donné,
expertise reconnue par sa capacité à diffuser et médiatiser des contenus et
avis répondant à certains questionnements. De plus, le leader d’opinion diffuse
de l’information aux membres de son réseau ou à son public, informations
dont le filtrage permet ainsi à ce public non seulement de construire une
opinion sur un sujet donné […], mais aussi de renforcer aux yeux de ce public
la crédibilité du leader qui démontre ainsi sa capacité à connaitre de

43. 43
manière précise un sujet, et à se positionner comme ressource sur celui-ci.
» (Alloing et Haikel-Elsabeh 2012, p.7)
Trois éléments nous semblent important à retenir de cette définition, à savoir :
- Le leader d’opinion sur le Web possède une expertise sur une thématique.
Pour les auteurs, cette expertise est liée à la capacité au leader d’opinion de mettre en
visibilité ces informations et ses contenus pour un public & des requêtes formulées
sur un moteur de recherche ;
- Le leader d’opinion collecte et diffuse de l’information qu’il met à disposition de
son réseau et de son audience (invisible ou non) ;
- Il existe une relation de co-construction entre le leader d’opinion, qui diffuse de
l’information au public, et le public qui va renforcer la crédibilité du leader
d’opinion ;
Dès lors, comment identifier un leader d’opinion ? Alloing et Haikel-Elsabeh (2012) proposent
trois approches complémentaires :
- Approche structurelle : compréhension du contexte, de la thématique, du sujet, selon les
besoins de l’organisation & analyse de réseaux sociaux (positionnement de l’internaute au
sein d’un réseau) ;
- Approche énonciative : capacité de l’auteur (internaute) à être reconnu comme crédible ou
fiable selon différents critères ;
- Approche informationnelle : interactions suscitées par la diffusion de contenus par
l’internaute ;
L’identification de leaders d’opinion peut être donc perçue comme une construction faite par
l’organisation selon ses besoins et ses attentes, mais surtout ses objectifs. Alloing et Haikel-Elsabeh
(2012) en distinguent quatre : faire connaître, faire voir, faire partager, faire réagir.
Les auteurs proposent également une série d’indicateurs formalisés dans une matrice. Celle-ci ne
sera pas présentée intégralement, mais elle sera adaptée à l’étude de cas que nous avons traitée dans
le cadre de nos recherches, à savoir : l’identification de leaders d’opinion sur les droits des personnes
lesbiennes, gaies, bisexuelles et transgenres (LGBT) sur le Web.

44. 44
Chapitre 2 - Cas d’étude : identification de potentiels
leaders d’opinion en ligne dans le domaine des droits
LGBT