À la rencontre de... Nouamane Arhachoui

Doctorant dans l'équipe ComplexNetworks, Nouamane Arhachoui travaille sur des algorithmes capables d'analyser l'influence et la propagation d'information sur les réseaux sociaux - un sujet crucial pour étudier la polarisation des débats en ligne et se protéger des fausses informations !

Q. D’où viens-tu et où vas-tu ?

Je m’appelle Nouamane Arhachoui, je suis doctorant en troisième année au LIP6, au sein de l’équipe ComplexNetworks. Avant d’entamer cette thèse, j’ai obtenu un diplôme d’ingénieur en informatique couplé à un master recherche. Très tôt, les cours d’introduction à la recherche de mon master m’ont particulièrement attiré, ce qui m’a conduit à chercher un stage de fin d’études en laboratoire. C’est ainsi que j’ai intégré le LIP6 une première fois, pour un stage au sein de l’équipe NPA. J’y suis revenu ensuite pour effectuer ma thèse, cette fois dans l’équipe ComplexNetworks. Une fois ma thèse terminée, je souhaiterais poursuivre dans le milieu académique, idéalement à travers un post-doc, dans la perspective de candidater à des postes de Maître de Conférences. J’apprécie autant la recherche que l'enseignement, d'où ce choix de parcours.

Q. Sur quoi travailles-tu actuellement ?

Ma thèse porte sur les algorithmes de graphes appliqués à l’analyse de la propagation d’influence sur les réseaux sociaux. Dans un premier temps, j’ai développé un algorithme permettant de classer les utilisateurs de ces plateformes selon leur niveau d’influence. Cette méthode est une généralisation du PageRank, un algorithme initialement conçu par Google pour classer les pages web en fonction de leur importance dans le réseau des hyperliens (schématiquement, plus il y a de liens menant vers une page et d’utilisateurs cliquant sur ces liens, plus la page est considérée comme populaire). L’idée est similaire : modéliser la diffusion d'information ou l’influence à partir de la mesure des interactions au sein d'un réseau social.

Actuellement, je travaille sur un modèle d’apprentissage automatique sur graphes capable de détecter des communautés dans ce qu’on appelle des réseaux multiplexes, c’est-à-dire des réseaux où les utilisateurs sont connectés de différentes manières (à travers des liens sociaux comme les follow, et des liens d’interactions comme les retweets).

Ces approches ont des applications concrètes, notamment dans l’analyse de la polarisation autour de sujets politiques ou de débats publics, comme lors d’élections. Initialement, elles avaient pour objectif de servir de socle à des outils d’analyse et d’atténuation de la propagation de fausses informations sur les plateformes en ligne. Cependant, depuis le rachat de Twitter, nous avons rencontré quelques difficultés pour collecter des données fiables, et particulièrement en raison des restrictions imposées à l’accès à l’API et aux données publiques.

Q. Comment s'organise ta semaine ?

En ce moment, je consacre une bonne partie de mon temps à la rédaction d’une version longue d’un article récemment accepté à la conférence FRCCS (France’s International Conference on Complex Systems). Cela implique pas mal d’écriture, mais aussi de nouvelles expériences pour évaluer et affiner le modèle sur lequel je travaille. Par ailleurs, j’enseigne un TD d’algorithmique tous les vendredis à des étudiants de licence en informatique à Sorbonne Université.

Q. Qu’est-ce qui te passionne à propos de ton sujet ?

Ce que j'aime dans mon domaine (les réseaux complexes), c’est le lien direct entre les concepts abstraits des graphes et des phénomènes très concrets de la vie sociale. Par exemple, la notion de centralité dans un graphe permet d'identifier les nœuds les plus importants. Elle est non seulement très bien définie mathématiquement, mais trouve aussi une application immédiate lorsqu'on cherche à repérer les utilisateurs les plus influents sur une plateforme sociale, ou encore ceux qui agissent comme des ponts entre différentes communautés et facilitent la circulation de l'information d'un groupe à l’autre. D'un point de vue plus pratique, j'apprécie aussi le travail de modélisation et d'implémentation. De par ma formation d'ingénieur, j'aime développer des outils logiciels (dans mon cas des bibliothèques Python) afin d'expérimenter et de permettre à d'autres de réutiliser ou contribuer à mes travaux.

Q. Quelque chose à ajouter ?

N’hésitez pas à me contacter pour discuter de graphes et d'informatique ! C’est toujours un plaisir d’échanger sur ces sujets, que ce soit autour d’un tableau blanc ou d’un café.