Réseaux complexes

Qu’est-ce qu’un réseau ?

Points/sites reliés par des liens

individus relations sociales

(ex:collaborations scientifiques)
ordinateurs câbles
pages web hyperliens
aéroports connexions aériennes
molécules réactions chimiques
.... ....

Autoorganisation
Evolution dynamique
 Etude des réseaux complexes

•Etude phénoménologique:
dégager des caractéristiques générales
•Modélisation:
comprendre les mécanismes
•Conséquences:
comprendre l’importance des différentes caractéristiques
pour différents phénomènes, par exemple la propagation
d’épidémies, la fragilité en face de pannes ou d’attaques...
 Réseaux sociaux:
l’expérience de Milgram
Milgram, Psych Today 2, 60 (1967)
Dodds et al., Science 301, 827 (2003)

“Six degrés de séparation”:

“petit-monde”
 L’Internet: un autre “petit-monde”

Histogramme des distances

entre deux sites:

distances typiques très petites

par rapport à la taille d’Internet

Autres exemples: WWW, réseaux de transports, etc...

 Une autre caractéristique répandue:
n
“Clustering”
3

Plus grande probabilité d’être connectés

2
1
Clustering: Mes amis se connaissent très probablement entre eux
(exemple typique: réseaux sociaux)

Effet quantifié par

le coefficient de clustering,
entre 0 et 1
 Modèle le plus simple de réseaux:
Erdös-Renyi (1960)

-N points, liés avec probabilité p:

Réseau
-statique,
-homogène: nombre de voisins similaire pour tous

-Modifications du modèle pour introduire

le clustering
Réseau du transport aérien
Une vision
d’Internet
 Homogène vs. Hétérogène

Réseau homogène
nombre de voisins
similaire pour tous Réseau hétérogène:
grandes variations du
nombre de voisins
 Principales caractéristiques des
réseaux complexes
••Nombreux
Nombreuxéléments
élémentsen
eninteraction
interaction
Internet,
••Evolution
Evolutiondynamique
dynamique World-Wide-Web,
••Auto-organisation
Auto-organisation Réseaux sociaux
etc...

Architecture non-triviale petit-monde

Propriétés émergentes clustering
Phénomènes coopératifs
hétérogénéité
 Modélisation des réseaux complexes

Processus microscopiques des composants

Physique

Statistique
Propriétés statistiques et dynamiques
au niveau macroscopique
Changement de point de vue

La modélisation commence par la compréhension

des mécanismes de base de la formation du réseau

La topologie complexe est générée dans les modèles,

et non mise à la main de façon ad-hoc

Meilleure compréhension de l’interaction entre

dynamique, trafic, etc...
 Exemple de mécanisme:
L’attachement préférentiel
1)Les réseaux croissent par l’addition de nouveaux sites
Exemples:
WWW : addition de nouvelles pages webs
Internet : nouveaux ordinateurs, serveurs
2) Les nouveaux sites se connectent plutôt vers des sites ayant déjà de
nombreux voisins
Exemples:
WWW : liens vers des pages webs connues
Internet : liens vers des fournisseurs d’accès bien connectés

1) + 2) => réseau très hétérogène

 Graphe aléatoire
vs
Attachement préférentiel
 Autres niveaux de complexité

• intensités des liens

• réseaux dynamiques
(ex: peer-to-peer)

• réseaux dirigés (ex: WWW)

Exemple d’applications:

épidémiologie
Modèles de propagation d’épidémies
Description schématique des individus et de leur état:

Les individus peuvent se trouver dans certains états:

Sain/Susceptible * Infecté * Immunisé/Remis

-Propagation par contact

S I I I

-Guérison/immunisation
I R
 Modèles de propagation d’épidémies

Réseau de contacts: Réseau

•Individus=sites dont la topologie
•Liens=possibilité de propagation joue un rôle important
 Importance de la topologie
du réseau de contacts

Virus sur ordinateurs Topologie d’Internet

Computer worms Topologie du réseau

d’ email

Epidémiologie Topologie du réseau

de transports/déplacements
 Importance de la topologie
du réseau de contacts
S I I I

Graphes homogènes Graphes hétérogènes

L’épidémie L’épidémie se L’épidémie se

meurt propage propage

0 pc p 0 p
pc=0 (ou très petit)
 Un autre exemple de modèle
de propagation d’une épidémie

d
b
a
Ville A Ville B
 Un autre exemple;
propagation d’une épidémie

d
a
b

Ville A Ville B

=>Importance du réseau de transport !

 Une épidémie ancienne
Peste Noire Dec. 1350

14ème siècle
June 1350

Dec. 1349

June 1349
Dec. 1347

Dec. 1348

June 1348
Dec. 1347

Dec. 1347
Dec. 1350
 Une épidémie récente
SARS

Nov. 2002

Mar. 2003
 Etudes possibles
 caractérisation du réseau de transport
(essentiellement: transport aérien)
 modèle simple d’épidémie
 reproduire a posteriori le déroulement de l’épidémie
pour valider le modèle

 étude, dans le cadre du modèle, de l’influence

des différents niveaux de complexité
 étude de la prédictabilité
 étude de mesures d’endiguement
 Conclusion

-Importance études empiriques

-Modélisation Physique
Statistique
-Conséquences sur processus divers
(exemples: épidémies; fragilité des réseaux; ...)

Domaine interdisciplinaire:

informatique, biologie, épidémiologie, sciences sociales...

 Robustness
Complex systems maintain their basic functions
even under errors and failures
(cell  mutations; Internet  router breakdowns)
1

S: fraction of giant S
fc

component
0 1
Fraction of removed nodes, f

node failure
 Case of Scale-free Networks

Random failure fc =1 (   3)

s
Attack =progressive failure of the most
connected nodes fc <1

fc 1

Internet maps

R. Albert, H. Jeong, A.L. Barabasi, Nature 406 378 (2000)

 Failures vs. attacks
Failures
Topological
error tolerance
1

  3 : fc=1
S
(R. Cohen et al PRL, 2000)

0 fc f 1

Attacks