Inégalités dans les réseaux via l’attachement préférentiel, la clôture triadique et l’homophilie

Pourquoi certaines personnes deviennent beaucoup plus connectées que d’autres

Des cercles d’amitié aux collaborations scientifiques, nos vies sociales et professionnelles forment des réseaux. Pourtant, ces toiles de relations sont rarement équitables : quelques personnes deviennent extrêmement bien connectées, tandis que d’autres restent en marge. Cet article examine pourquoi de telles inégalités apparaissent, comment différentes tendances sociales interagissent pour façonner qui devient visible et influent, et ce que cela signifie pour les écarts persistants entre les genres dans des domaines comme la physique et l’informatique.

Trois règles simples qui façonnent des réseaux complexes

Les auteurs se concentrent sur trois manières fondamentales dont les personnes ont tendance à nouer des liens. La première est le lien « les riches deviennent plus riches » : nous sommes plus susceptibles de nous connecter à ceux qui sont déjà très connectés, comme des scientifiques célèbres ou des collègues visibles. La deuxième est le lien fondé sur la similarité : nous préférons interagir avec des personnes qui nous ressemblent sur un point important, par exemple le genre, la discipline ou le parcours. La troisième est la formation de triangles : nous nous lions souvent avec les amis de nos amis, comblant des lacunes dans nos cercles sociaux. Chacune de ces tendances a été étudiée séparément, mais leur effet combiné sur l’inégalité — surtout lorsqu’il existe un groupe minoritaire et un groupe majoritaire clairement définis — a été moins bien compris.

Un nouveau modèle pour la croissance de réseaux inégaux

Pour examiner comment ces règles interagissent, les chercheurs présentent un modèle de croissance de réseau appelé PATCH. Le modèle construit le réseau en ajoutant un nouvel arrivant à la fois. Chaque nouveau nœud se voit attribuer au hasard un statut de groupe majoritaire ou minoritaire, puis choisit quelques nœuds existants auxquels se connecter. Certaines connexions sont établies en parcourant l’ensemble du réseau, d’autres en ne regardant que les amis d’amis. Dans chaque cas, le choix peut être guidé par la similarité, par la popularité, par les deux, ou par aucun. En faisant varier systématiquement ces paramètres — la force de la préférence pour la similarité, la fréquence de clôture des triangles et l’importance de la popularité — les auteurs génèrent un grand nombre de réseaux artificiels et mesurent leur degré de ségrégation et la répartition inégale des connexions.

Comment émergent séparation et écarts de visibilité

Les simulations révèlent des rôles distincts pour chaque mécanisme. La préférence pour la similarité est le principal moteur de la ségrégation : quand les individus favorisent leur propre groupe, les liens se concentrent à l’intérieur des groupes et les connexions intergroupes deviennent rares. Le biais de popularité, en revanche, est le moteur le plus fort de l’inégalité du nombre de connexions par personne ; il crée des nœuds très connectés, des hubs. La formation de triangles joue un rôle plus subtil. Lorsque les choix de triangles ne sont pas eux-mêmes biaisés par la similarité ou la popularité, cette règle locale tend à atténuer les extrêmes : elle réduit la ségrégation et resserre l’écart de visibilité entre les groupes, même si elle peut accroître l’inégalité globale du nombre de connexions dans l’ensemble de la population. Lorsque la formation de triangles est également guidée par la similarité et la popularité, toutefois, elle peut renforcer les schémas existants, rendant quelques figures centrales du groupe avantagé encore plus dominantes.

Relier le modèle aux communautés scientifiques réelles

Les auteurs examinent ensuite cinquante ans de données en physique et en informatique : des réseaux de coautorat montrant qui travaille avec qui, et des réseaux de citations indiquant quels articles citent quels autres. Dans ces contextes, les femmes constituent une minorité persistante et ont historiquement reçu moins de collaborations et de citations. En comparant les données réelles aux réseaux générés par PATCH, les chercheurs infèrent quelles combinaisons de règles expliquent le mieux les schémas observés. Ils trouvent que, à travers les décennies et les jeux de données, la version de PATCH la mieux adaptée est celle où à la fois les choix globaux et les choix basés sur les triangles sont guidés par la popularité et par une tendance modérée à travailler avec des pairs du même genre. Dans ces mondes simulés, comme dans les données, les femmes restent en moyenne moins visibles, tandis qu’un petit nombre d’individus très connectés — principalement issus du groupe majoritaire — captent une part disproportionnée de l’attention.

Ce que cela implique pour réduire les inégalités

L’étude montre qu’améliorer une dimension de l’inégalité peut en aggraver une autre. Par exemple, encourager davantage de liens intergroupes peut diminuer la ségrégation mais laisser le groupe minoritaire avec moins de connexions globales. De même, renforcer la formation de triangles via des systèmes de recommandation — comme « personnes que vous pourriez connaître » ou « articles liés à celui-ci » — peut réduire les écarts entre groupes tout en creusant les déséquilibres au sein du groupe avantagé en élevant encore quelques vedettes. PATCH souligne que les inégalités de réseau résultent de l’action combinée de tendances simples et naturelles plutôt que d’une cause unique. Pour celles et ceux qui veulent construire des systèmes scientifiques et sociaux plus équitables, le message est clair : un changement significatif exige d’ajuster plusieurs mécanismes à la fois — limiter la popularité incontrôlée, atténuer les choix fondés sur la similarité et concevoir avec soin les outils qui suggèrent de nouvelles connexions — afin que la visibilité et les opportunités soient partagées plus équitablement.

Citation: Bachmann, J., Martin-Gutierrez, S., Espín-Noboa, L. et al. Network inequality through preferential attachment, triadic closure, and homophily. Sci Rep 16, 13461 (2026). https://doi.org/10.1038/s41598-026-42911-3

Mots-clés: réseaux sociaux, inégalité, homophilie, clôture triadique, disparités de genre