INTRODUCTION

1La question de la définition empirique des communautés s’est enrichie, depuis plusieurs décennies, de l’apport des outils d’analyse des réseaux sociaux ; ce champ très fécond a en outre dévolu plus récemment un rôle nouveau et croissant aux sciences dites « dures », notamment l’informatique et la physique statistique (Edling, 2002). En tant qu’instruments de recherche, ces formalismes ne sont pas sans conséquence sur la notion même de communauté : notamment, l’analyse structurale semble se focaliser principalement sur la forme des interactions et des relations entre acteurs et donc semble a priori vouloir négliger les aspects les plus cognitifs et/ou identitaires des communautés.

2En invoquant la notion de communauté épistémique et, plus particulièrement, en soulignant la possibilité de formaliser cette notion par le biais d’une approche structurale, notre contribution vise in fine à décrire de quelle manière ce courant peut toutefois nous renseigner sur l’existence de communautés qui ne soient pas strictement relationnelles – c’est-à-dire, dont la définition ne s’appuie pas uniquement sur des configurations interactionnelles entre acteurs.

3À cette fin, nous nous penchons d’abord sur les attendus de l’approche structurale et la manière dont la notion de communauté y est considérée et utilisée : dans une première partie, nous explicitons ainsi les enjeux de ce programme de recherche et les méthodes classiques de cette approche. Nous montrons ensuite en quoi ces formalisations font écho à des problèmes traditionnels en sociologie, liés à l’étude de la structure et des propriétés des communautés et des groupes sociaux entre eux (Sec. B). Soulignant le fait que l’approche interactionniste est dans l’incapacité quasi-tautologique de décrire des types de communautés pour lesquelles les aspects relationnels ne soient pas déterminants, nous montrons enfin que l’analyse structurale dispose toutefois de classes de formalismes qui permettent de rendre compte de notions de groupe suivant des dimensions à la fois sémantiques et sociales. Nous illustrons notre propos à partir de l’étude empirique d’une communauté scientifique d’embryologistes.

DES GRAPHES AUX COMMUNAUTÉS

4La formalisation de la notion de communauté en sciences sociales a pour une large part été portée par le champ de l’analyse structurale des réseaux sociaux (Edling, 2002), dans un contexte où la sociabilité est elle-même devenue par ailleurs de plus en plus organisée en réseau (Wellman et alii, 1988). Historiquement, l’introduction de la théorie des graphes au sein de la sociométrie, sous l’impulsion notamment de Forsyth et Katz (1946), a ouvert la voie aux premiers travaux de représentation formelle et systématique de la structure des groupes sociaux. Le graphe, ou réseau social, est une structure mathématique qui décrit simplement les acteurs et les relations entre ces acteurs au sens large (relations de connaissance, d’interaction, de communication, d’échange, etc.) et qui représente ainsi formellement le sociogramme des groupes étudiés.

5L’approche structurale pose ensuite l’hypothèse que certaines structures algébriques et abstraites de ce graphe correspondent à des communautés « réelles », en référence à une caractérisation empirique et qualitative de la communauté, et ce dans toute la diversité que recouvre cette notion (Bell et Newby, 1972 ; Elias, 1974). L’ambition portée par ce programme est ainsi de révéler l’existence de communautés d’individus par le biais de la structure des liens et/ou des interactions, et revient fondamentalement à décomposer un ensemble d’agents en sous-ensembles d’agents, en collections d’individus. Autrement dit, en partant d’un matériau empirique décrivant des interactions entre agents (au niveau « micro »), ces méthodes permettent de caractériser des groupes et des communautés (au niveau « macro »). Il convient à cet égard de noter l’ambiguïté entre deux termes fréquemment employés dans cette approche : celui de « groupe » et celui de « communauté ». Les auteurs de ce courant, notamment les sociologues, préfèrent en effet le terme de « groupe » à celui de « communauté », qu’ils considèrent comme peu fiable et polysémique ; même si la notion de groupe recouvre à son tour un grand nombre de conceptions très variées et de formalisations diverses. Souvent, mais non systématiquement, le terme « communauté » est ainsi uniquement utilisé pour désigner l’ensemble des acteurs étudiés, tandis que le terme « groupe » désigne les structures présentes au sein de cet ensemble ; c’est-à-dire, les sous-communautés qui y co-existent. Dans cette acception, la communauté et le groupe sont ainsi essentiellement dans une relation tout/partie. Dans la suite, nous prenons acte de cette ambiguïté en appelant « communauté » l’ensemble des acteurs considérés, et « groupe » les différents sous-ensembles qui le composent. Soulignons que la délimitation de la communauté de référence sur laquelle s’appuie empiriquement une étude structurale, c’est-à-dire la manière dont est choisi l’ensemble des acteurs, constitue en soi un problème particulier, appelé « problème de frontière » (boundary problem ; cf. Laumann et alii, 1983), qui est néanmoins rarement abordé en tant que tel. Notons enfin que les outils proposés sont génériques : ils peuvent ainsi généralement être appliqués indifféremment, a priori, suivant le type de la relation qui est formalisée (connaissance, amitié, discussion, transaction, etc.) ou suivant la façon dont ont été collectées les données (entretiens, bases de données, collecte sur Internet, etc.), voire suivant la fréquence des relations ; l’essentiel étant de disposer d’un graphe (acteurs, liens) et d’en extraire les groupements d’agents. Cette indifférence au contexte a priori n’empêche pas de préférer telle ou telle méthode ou bien tel ou tel formalisme suivant le cas pratique considéré.

6Dans la quasi-totalité des cas, en outre, les graphes sont binaires, c’est-à-dire qu’un lien entre deux acteurs ne peut que soit exister, soit ne pas exister, sans distinction de fréquence ou de force du lien.

Structures algébriques et groupes sociaux

7La notion de clique (Luce et Perry, 1949) a joué un rôle fondateur et prototypique dans la définition des groupes à l’aide de graphes d’acteurs. En tant que sous-ensemble d’individus strictement tous connectés les uns aux autres, la clique peut être présentée comme l’unité communautaire structurale la plus cohésive possible – cf. illustration sur la figure 1. Du fait de cette définition très exigeante, il n’est cependant généralement pas possible en pratique de trouver des cliques regroupant plus d’une dizaine d’acteurs.

8Des méthodes plus holistes, ne visant pas uniquement à exhiber des structures locales au sein du réseau mais ambitionnant de fournir explicitement une partition du réseau en diverses sous-communautés, ont rapidement été développées. S’appuyant sur la théorie de l’équilibre (balance theory) du psychologue Heider (1946), qui établit des relations positives ou négatives entre acteurs (amis/ennemis), le théorème de structure de Cartwright et Harary (1956) formalise ainsi la notion de groupe à l’échelle du réseau en montrant qu’il est possible de séparer toute communauté en deux groupes distincts tels que (i) les acteurs de chaque groupe soient tous liés entre eux par des relations positives et (ii) les acteurs de groupes différents soient liés par des relations négatives, dès que sont respectées certaines lois de composition de ces relations, du type « les ennemis de mes amis sont mes ennemis ». Ici, le fait que les liens soient qualifiés permet de définir les communautés comme émergeant de configurations relationnelles antagonistes plutôt que similaires. Les raffinements de cette approche, multiples (Davis, 1967 ; Davis et Leinhardt, 1970 ; Doreian et Mrvar, 1996), portent notamment sur la caractérisation de groupes formés d’individus entretenant des relations positives, en insistant sur le rôle spécial que jouent les groupes de trois acteurs, ou triades.

9L’analyse de réseaux sociaux a par la suite produit un ensemble considérable de structures algébriques assimilables à des groupes, encore appelés « motifs structurels » ou « patterns », comme par exemple l’équivalence structurelle (groupes acteurs liés exactement aux mêmes autres acteurs Lorrain et White, 1971) ou les k-composantes (White et Harary, 2001). De nombreux travaux de ce programme de recherche sont notamment mentionnés par Freeman (1992, p. 152-153), Wasserman et Faust (1994), ou encore Edling (2002, p. 206-207).

Agrégats et communautés

10Formaliser n’implique pas nécessairement de quantifier, et la plupart des approches algébriques sont à cet égard essentiellement adaptées aux réseaux et aux structures de taille modeste (Moody, 2001). En effet, le nombre de motifs croît souvent très rapidement en fonction de la taille du réseau ; il devient alors difficile, non seulement de calculer tous les groupes, mais aussi de les interpréter. Comment, par exemple, présenter les plusieurs milliers de cliques que peut déjà renfermer un réseau d’une petite centaine d’acteurs seulement ; et qu’en retenir ?

11Plus récemment, de nombreux travaux se sont ainsi intéressés en toute généralité à l’étude quantitative et à grande échelle de la topologie des réseaux sociaux, dont l’existence de groupes, sous la double impulsion de l’amélioration significative des capacités de traitement informatique et de la disponibilité accrue de bases de données sur des réseaux de grande taille. Cette littérature aborde le problème de la découverte de structures cohésives dans les graphes à l’aide de méthodes de catégorisation et de détection d’agrégats, empruntant traditionnellement aux outils statistiques et à l’intelligence artificielle. Il est ainsi fréquent d’y trouver des contributions provenant de disciplines a priori éloignées des sciences sociales, comme l’informatique et la physique statistique, où ce problème est généralement appelé « détection de communautés », de manière ingénument équivoque.

12Au sein de ce courant, le groupe (ou la « communauté ») est vu de manière relativement consensuelle comme un ensemble « dense » d’acteurs au sein du réseau social. Plus précisément, le groupe est tel que « its members should have many relations with each other and few with non-members » (Alba, 1973, p. 121), c’est-à dire qu’il s’agit de « groups of vertices within which connections are dense, but between which connections are sparser » (Newman, 2004). Concrètement, ces travaux s’attachent à détecter les zones denses en développant directement des algorithmes basés notamment sur la construction d’une décomposition itérative du graphe (« hierarchical clustering », cf. White et alii, 1976 ; Wasserman et Faust, 1994 ; Girvan et Newman, 2002, voir une illustration sur la figure 2), sur la recherche et l’exploration progressive de sous-parties denses du graphe (Moody, 2001 ; Palla et alii, 2005), ou bien encore sur des méthodes de décomposition directe de la matrice représentant les liens du graphe (« méthodes spectrales » Pothen et alii, 1990).

13Au-delà de leur plus ou moins grande technicité, ces approches sont ainsi essentiellement caractérisées par l’absence de dichotomie entre, d’une part, une définition formelle de ce que sont les groupes, et, d’autre part, l’algorithme qui permet de les détecter. Autrement dit, au contraire des définitions algébriques qui sont formulées explicitement sous la forme « un groupe/une communauté est un ensemble d’acteurs tel(s) que […] », la définition du groupe est ici toute entière contenue dans l’algorithme chargé de détecter ces « zones denses ». De fait, malgré une formulation a priori implicite et parfois vague de la communauté, et au prix d’une certaine imprécision sur ce qui en définit les contours, ces approches offrent une vision à la fois plus flexible et moins formelle de la communauté en relâchant les contraintes des définitions algébriques, qui ont tendance à idéaliser la notion de groupe et à rencontrer ainsi des obstacles en pratique.

PROPRIÉTÉS ET PERTINENCE DES MÉTHODES STRUCTURALES

14L’application de ces méthodes dépasse souvent la simple fabrication de groupements d’agents et permet plus largement de décrire la structure des groupes au sein de la communauté étudiée – et ceci, de nouveau, en correspondance avec des questions qualitatives.

Structure des groupes, structure de groupes

15Les techniques de blockmodeling (White et alii, 1976 ; Boorman et White, 1976 ; Doreian et alii, 2005), par exemple, permettent de généraliser le partitionnement d’un ensemble d’acteurs en réduisant le graphe des acteurs en un graphe de groupes. En d’autres termes, chaque élément du graphe réduit, ou blockmodel, représente un groupe d’acteurs et chaque lien figure les relations entre ces groupes d’acteurs. Ce graphe des communautés permet ainsi de se focaliser sur les propriétés des groupes plutôt que de leurs membres.

16Plus généralement, les approches structurales font écho aux questions traditionnelles de l’étude des communautés en décrivant notamment :

Les hiérarchies entre groupes

17Tout d’abord, il est en effet possible et généralement aisé de représenter les groupes hiérarchiquement. Le type de hiérarchie le plus immédiat est basé sur la notion d’inclusion, où un groupe est « en dessous » d’un autre, ou moins « général » qu’un autre, s’il est inclus dans celui-ci. Ceci définit un ordre partiel entre groupes, c’est-à-dire que deux groupes ne sont pas nécessairement comparables entre eux ni hiérarchisables l’un par rapport à l’autre. Quelle que soit la façon dont les groupes sont construits, il est toujours possible de recourir à cet ordre partiel, qui est d’ailleurs implicite dans le cadre des méthodes produisant groupes et partitions emboîtées. Dans des réseaux dirigés, où les interactions ne sont pas nécessairement symétriques (a interagit avec b, mais pas réciproquement), ou bien dans les réseaux qualifiés (e. g. « amis/ennemis » à la Heider, 1946), la hiérarchie peut provenir de la qualité des liens entre agents des groupes sous-jacents : par exemple, Davis et Leinhardt (1970) utilisent ce type d’asymétrie pour définir une hiérarchie entre groupes – dans cette étude, l’asymétrie entre agents traduit une différence de centralité ou de prestige (Wasserman et Faust, 1994, chap. 5) entre agents, puis entre groupes, qui définit enfin divers niveaux de hiérarchies entre groupes : « admiration flows up levels ».

La multi-appartenance des acteurs aux groupes

18Bien que de nombreuses méthodes structurales fournissent des groupes sous la forme d’une partition – un individu ne peut appartenir qu’à un seul groupe (comme avec les classes d’équivalence) – une partie de la littérature structurale s’est penchée sur la question de la multi-appartenance des acteurs à plusieurs groupes simultanément (voir par exemple Arabie et Carroll, 1989 ; Bonacich, 1978 ; Freeman et White, 1993 ; Palla et alii, 2005). Dans la quasi-totalité des cas, ces méthodes produisent une liste de groupes telle qu’il est possible sans être nécessaire de retrouver un même acteur dans plusieurs groupes ; les groupes se recouvrant généralement partiellement.

19Ce problème, soulevé très tôt en sociologie, sous la forme de l’intersection des « cercles sociaux » chez Simmel (1955) ne concerne néanmoins qu’une partie minoritaire de la littérature. En marge du débat sur la pertinence de la formalisation de la multi-appartenance, qui dépend en effet du contexte d’application et de la notion de communauté visée (Freeman, 1992, p. 153), le faible intérêt pour ces questions peut en outre s’expliquer par les obstacles concrets posés par le recouvrement. Ces obstacles sont soit conceptuels et liés à la définition de critères formels univoques sur l’appartenance d’un acteur aux divers groupes (lorsque les approches s’inspirent de méthodes de catégorisation qui produisent souvent des partitions), soit techniques et liés à la réalisabilité du calcul sous-jacent (si le nombre de groupes possibles est tel que le calcul n’est pas réalisable ou exploitable : comme par exemple dans le cas des cliques).

La dynamique temporelle des groupes

20De même que dans le cas statique, l’approche structurale permet d’éviter une définition catégorielle de la dynamique des groupes et communautés : autrement dit, il n’est pas nécessaire de parler de caractéristiques ou de valeurs partagées consciemment ou non par les acteurs pour définir le groupe à un instant donné1, – ni non plus pour spécifier sa persistance au cours du temps, répondant en cela à une autre préoccupation sociologique ancienne (Simmel, 1898)2.

21En exhibant des communautés à travers la structure des interactions, il est en effet possible d’établir des correspondances entre groupes à différents instants – alors même que les membres des groupes en question peuvent avoir été diversement remplacés, que de nouveaux entrants peuvent avoir fait leur apparition et que, simplement, les profils relationnels peuvent avoir évolué – puisque les correspondances dynamiques sont vues à un niveau abstrait comme des correspondances entre structures d’interaction, et non entre certains individus ou attributs a priori.

22Ces correspondances peuvent être définies soit de manière longitudinale (c’est-à-dire qu’un groupe d’acteurs détecté à t est identifié à un groupe détecté à t + 1, cf. par exemple Doreian, 1979), soit de manière dynamique (c’est-à-dire que c’est la stabilité même des relations qui permet de définir des communautés, cf. par exemple Palla et alii, 2007).

Évaluation des groupements : la correspondance en question

23De manière plus transversale et plus fondamentale, se pose enfin la question épistémologique de la validité des groupements trouvés, par comparaison avec l’observation ethnographique ou avec l’ensemble des représentations qu’ont les acteurs de leur propre communauté : « The question is, to what degree does the chosen model, along with the data on interaction, classify individuals into groups in the same way as they are classified by the judgements » (Freeman et alii, 1989).

24Quelle est la pertinence des groupes trouvés par la formalisation de la structure relationnelle ? La falsification semble d’autant plus aisée à effectuer que l’analyse structurale fournit des processus automatisables pour décrire les communautés. Freeman et alii (1988) et Freeman et alii (1989), précisément, ont proposé un protocole empirique crédible afin de comparer (avec succès) les résultats de leur analyse structurale d’une communauté d’une petite centaine de surfeurs avec les jugements subjectifs des surfeurs eux-mêmes sur les groupes qui composent cette communauté (soit, in fine, une représentation intersubjective).

25Néanmoins, ce type de mise à l’épreuve des résultats des méthodes structurales reste relativement rare ; reléguant fréquemment les outils correspondants à un rôle principalement instrumental, sans certitude sur leur validité ethnographique. L’immédiateté des résultats et l’apparente rigueur du formalisme employé semblent ainsi parfois rendre obsolète une confrontation empirique (Roth, 2007).

26En outre, ces formalisations sont au moins aussi diverses que les nombreuses définitions qualitatives auxquelles elles sont chacune censées correspondre, sinon davantage (Wasserman et Faust, 1994, chap. 7). En effet et plus précisément, pour une même définition qualitative, il est possible d’associer diverses formalisations similaires et apparemment également efficaces, mais strictement distinctes mathématiquement et menant à des résultats concrètement différents. Ainsi, en partant d’un unique matériau empirique concernant les pratiques sociales d’un groupe de 18 femmes dans une petite ville du Mississippi, et qui révèle notamment l’existence de deux grands groupes de femmes assistant aux mêmes événements, Freeman (2003) compare et discute la relativement grande diversité des résultats fournis par une vingtaine de méthodes ayant le même objectif général de description des communautés sous-jacentes et appliquées à ce même ensemble de données de taille pourtant très modeste.

(RÉ)CONCILIER STRUCTURE ET SÉMANTIQUE

27Pour résumer, l’analyse de réseaux sociaux apporte ainsi un point de vue holiste précieux sur la notion d’appartenance à un groupe, en tant que notion relativement décorrélée des simples attributs individuels. De fait, cependant, indépendamment des atouts et des obstacles potentiels mentionnés ci-dessus, l’approche structurale peut échouer à rendre compte des aspects sémantiques de la communauté qui sortent du cadre interactionniste strict. En d’autres termes, précisément parce que cette approche ne s’appuie pas sur des définitions catégorielles (partage de valeurs, caractéristiques communes, reconnaissance identitaire, etc.), elle semble difficilement pouvoir couvrir les propriétés les plus cognitives et les moins interactionnelles de la communauté – à moins de prêter aux données relationnelles une richesse qui rende redondantes les données extra-relationnelles. Nous avons toutefois jusqu’ici volontairement omis d’évoquer en détail la branche de l’approche structurale qui s’appuie sur les réseaux d’affiliation et qui, en combinant structure et sémantique, est à même de constituer un compromis entre, d’une part, l’utilisation d’un cadre relationnel et, d’autre part, la prise en compte des attributs des agents.

Réseaux et cercles sociaux : le cas particulier des réseaux d’affiliation

28Techniquement, les réseaux d’affiliation sont des graphes bipartis, c’est-à-dire que ce sont des réseaux où l’on distingue acteurs d’un côté et affiliations de l’autre (fig. 3, à gauche). Un lien ne peut y exister qu’entre un acteur et une affiliation ; il dénote trivialement l’affiliation de cet acteur. Ce formalisme est en outre dual (Breiger, 1974), au sens où des affiliations sont liées à des acteurs tout comme des acteurs liés à des affiliations, indistinctement.

29Les cercles sociaux y sont ainsi explicitement codifiés – en ce sens, l’affiliation simple forme déjà un groupe social : qu’il s’agisse de la participation à un évènement, de l’appartenance à une organisation, de l’intérêt pour une thématique, ou encore de l’adhésion à une croyance. Soulignons donc que de tels réseaux ne décrivent pas la structure des interactions entre acteurs, mais celle des affiliations des acteurs à des groupes : il s’agit davantage d’une structure socio-sémantique. In fine, ce formalisme permet par conséquent à la fois une description structurale et cognitive des communautés.

30En utilisant des graphes où les groupes sont présents a priori, il peut certes paraître redondant de s’intéresser aux groupes construits au-dessus de ces groupes. Or, au contraire, en dégageant de nouveaux groupes d’acteurs (implicites) à l’aide des multiples intersections des cercles sociaux ainsi figurés par les affiliations (explicites), les réseaux d’affiliations donnent l’opportunité d’étendre et de généraliser la notion de groupe. Cette démarche a fait l’objet de plusieurs travaux visant principalement à créer des catégories de groupes d’agents partageant conjointement certaines affiliations (Barbut et Monjardet, 1970 ; Boeck et Rosenberg, 1988 ; Freeman et White, 1993).

Graphes socio-sémantiques et communautés épistémiques

31Plus particulièrement, une piste de formalisation des communautés sous l’angle socio-sémantique nous est donnée par la notion de communauté épistémique. Introduite par Ruggie (1975) puis affinée par Haas (1992), depuis retravaillée par de nombreux auteurs (Cowan et alii, 2000 ; Cohendet et alii, 2001), la notion de communauté épistémique (CE) renvoie essentiellement à un groupe d’agents qui partagent un certain ensemble de savoirs, communément acceptés, et qui ont un but commun de création de connaissances, qui sont elles-mêmes jugées suivant des règles partagées au sein de la communauté.

32Cette description qualitative de la CE peut être formalisée a minima comme un double ensemble d’agents et de concepts tel que tous les agents partagent tous les concepts. La démarche de l’analyse structurale s’applique alors naturellement : en introduisant un réseau d’affiliation qui regroupe acteurs d’un côté et concepts de l’autre, et qui décrit l’utilisation, au sens large, des concepts par les agents, il suffit de constater que la CE est une « clique bipartie », soit un ensemble d’agents et de concepts formant une clique dans le graphe biparti.

33Chaque CE ainsi définie algébriquement correspond à un groupe qui est l’intersection de tous les groupes d’acteurs affiliés à chaque concept d’un même ensemble de concepts donné ; en ce sens, il s’agit d’un agrégat socio-sémantique. Une illustration est donnée sur la figure 3, au milieu.

Treillis et cognition distribuée

Agencement des communautés

34Ce formalisme hérite de plusieurs qualités des groupes structuraux exposés dans la section « Propriétés et pertinence des méthodes structurales », (p. 119), notamment les relations hiérarchiques de « généralisation/spécialisation » entre communautés et le recouvrement via la multi-appartenance des individus à plusieurs CE (Roth, 2008b). Ce formalisme hérite par ailleurs d’un grand défaut souligné en section « Des graphes aux communautés » (p. 116), à savoir un temps de calcul potentiellement rédhibitoire, qui peut être évité en ne s’intéressant qu’aux CE les plus pertinentes (par exemple suivant des critères de représentativité au sein de la communauté, c’est-à-dire en excluant les CE redondantes et peu peuplées, cf. Kuznetsov et alii 2007).

35Une fois les CE calculées et sélectionnées, il est ensuite possible d’utiliser la hiérarchie naturelle pour représenter les CE au sein d’un « treillis » (Barbut et Monjardet, 1970) : de haut en bas, de la CE la plus générale à la plus spécifique, comme illustré par exemple sur la figure 3, à droite. Une telle représentation, pertinente en épistémologie sociale et dans les domaines connexes s’intéressant aux groupes sociaux de production de connaissances, s’avère utile pour représenter hiérarchiquement les activités de cognition distribuée (Hutchins, 2001) et notamment la distribution des thématiques sur les agents de la communauté toute entière.

Application empirique

36Nous appliquons concrètement ces notions sur une communauté d’embryologistes travaillant sur un animal-modèle, le poisson zébré ou zebrafish (pour une étude détaillée de ce cas, voir Roth et Bourgine, 2006). Les acteurs du réseau d’affiliation sont les auteurs des articles publiés entre 1990 et 2003 et obtenus à partir de la base bibliographique publique Medline, qui couvre un très grand nombre de publications en biologie et en médecine. Les concepts sont ceux mentionnés dans les titres et résumés des articles, choisis parmi une sélection de 70 racines de termes à la fois les plus fréquents dans le corpus et les plus signifiants aux yeux d’un expert du domaine. Enfin, les liens d’affiliation sont définis par l’utilisation dans un article d’un concept par un acteur, soit la mention d’un terme par un auteur.

37Deux calculs des CE (communautés épistémiques) présentes dans la communauté sont effectués sur les réseaux d’affiliation couvrant respectivement les périodes 1990 – 1995 et 1998 – 2003 et rassemblant respectivement un millier et une dizaine de milliers d’agents. Une sélection de CE est ensuite représentée dans un treillis, dessiné sur la figure 4 (Roth et Bourgine, 2006 ; Roth, 2008b). Chaque CE y est décrite sous la forme d’un nombre traduisant le pourcentage de la population représentée par la CE (pendant les périodes 1998 – 2003 et 1990 – 1995, respectivement en gras et entre parenthèses, d’un ensemble de termes (les thématiques correspondantes), et d’un remplissage indiquant l’évolution du pourcentage entre la seconde et la première période (croissance de plus de 15 % de la population : blanc uni ; décroissance de plus de 15 % : noir uni ; sinon relative stagnation : hachures horizontales). Du fait de la multi-appartenance, la somme des pourcentages dépasse 100.

Dynamique historique des CE

38Succinctement, ce treillis permet de visualiser les grands axes de la structure de la communauté « zebrafish » et de son évolution : (i) les études comparatives occupent une place importante (human/mouse/homologous genes) qui progresse en seconde période ; (ii) l’étude du système nerveux, autour des plaques dorsales et ventrales, constitue un ensemble de CE d’importance, très en vogue au début des années 1990 mais en retrait au début des années 2000 ; (iii) les études systémiques liées aux signaux émis lors du développement de l’embryon sont en pleine croissance (signal/pathway/growth/receptor).

39Ce treillis est validé empiriquement par la comparaison avec les taxinomies que fournissent des historiens des sciences ou les chercheurs spécialistes du domaine en question (Roth et Bourgine, 2006). Il témoigne à la fois de la diversité de la répartition des tâches au sein de la communauté, des évolutions des thématiques et, parallèlement, de la remarquable stabilité de la configuration communautaire, compte tenu du fait qu’entre les deux périodes, la population a crû dans l’ensemble d’un facteur 10.

REMARQUES CONCLUSIVES

40Cette dernière étude de cas illustre un usage de la notion de CE (communautés épistémiques) pour lequel le cadre théorique des réseaux d’affiliation permet de décrire l’agencement des acteurs au même titre que les approches ethnographiques traditionnelles. Plus généralement, l’hypothèse de la correspondance entre structures relationnelles et communautés réelles autorise des définitions formelles de la notion de groupe. Ces définitions se révèlent être aussi bien utiles instrumentalement pour le sociologue que potentiellement pertinentes aux yeux des acteurs. Au-delà de la diversité des outils évoqués, nous avons vu émerger une dichotomie fondamentale entre les approches essentiellement relationnelles, où les interactions entre acteurs définissent le groupe, et les approches fondamentalement catégorielles, où ce sont les attributs partagés par les acteurs qui définissent le groupe.

41De fait, l’analyse structurale est aussi fréquemment incapable de prendre en compte le groupe ou la communauté dans ses aspects à la fois sociaux et cognitifs. En ce qui concerne précisément les communautés scientifiques, Knorr-Cetina (1982) souligne ainsi la distinction entre des « taxonomic collectives » pertinents pour les sociologues des sciences et autres épistémologues, et les groupes locaux d’interaction dans lesquels sont enchâssés les agents et qui sont au moins aussi pertinents pour comprendre le comportement des acteurs. Or, ce dernier peut a priori être appréhendé simultanément suivant une dimension cognitive et suivant une dimension sociale. D’une part, cognitivement, les agrégats socio-sémantiques sont accessibles aux acteurs, potentiellement et implicitement, suivant l’argument de Freeman et alii (1988) et, notamment dans le cas des embryologues, par l’intermédiaire des artefacts qu’ils produisent et qui sont accessibles à tous – il s’agit en particulier des articles, actes de conférences, revues scientifiques, voire même, de manière indirecte, des organisations de la communauté (sociétés savantes et laboratoires). D’autre part, socialement, le mouvement des acteurs est turbulent et permanent : par exemple, de nombreux nouveaux auteurs rejoignent ou quittent la communauté, interagissent et collaborent régulièrement avec leurs pairs en fonction d’affinités cognitives, produisent de nouveaux artefacts et contribuent finalement à modifier et déformer les agrégats socio-sémantiques.

42L’analyse structurale peut ainsi aussi bien (i) nous éclairer, par le biais des réseaux d’affiliation, quant aux structures épistémiques et agrégats socio-sémantiques comme les CE ; que, (ii) nous renseigner, via l’approche interactionnelle, c’est-à-dire par le biais du réseau social des collaborations, sur les groupes de co-auteurs structurellement proches (Palla et alii, 2005 ; Rosvall et Bergstrom, 2008) ou bien sur les comportements d’homophilie des auteurs, qui collaborent par ailleurs massivement avec les collègues dont les thématiques sont très proches McPherson et alii (2001) ; Powell et alii (2005) – ce qui, en retour, est susceptible de fournir une explication plausible de la pérennité des agrégats socio-sémantiques.

43En ce sens, l’approche structurale des communautés pourrait gagner à concilier davantage structures sociale et sémantique, interactions et affiliations, en profitant de la réunion des acteurs et concepts au sein d’un même formalisme – comme, entre autres, la théorie de l’acteur-réseau (Callon et alii, 1986), ou bien les réseaux épistémiques (Roth, 2008a) – de manière à appréhender conjointement communautés relationnelles et communautés épistémiques, au sens large.