Il ne suffit pas de regarder qui rallie beaucoup de personnes derrière soi sur un forum pour détecter un influenceur. En effet, une opinion donnée à un moment change en fonction de celles exprimées par les autres.
Les experts du marketing le savent bien, dans un réseau donné, il y a toujours un certain nombre d’individus dont l’opinion aura une influence majeure sur la masse des autres. Pour simplifier leur identification, en prenant en compte toute la complexité humaine dans l'expression d'une opinion, une équipe de chercheurs des universités de Aalto (Finlande) et Boston (Etats-Unis) a élaboré un algorithme permettant d’y répondre. Les chercheurs sont partis d’un postulat très simple : l’opinion exprimée par un internaute sur un sujet est un compromise entre son propre sentiment et l’opinion exprimée par tous les autres, en particulier ceux avec lesquels il a le plus d’affinités. Et cette opinion "explicitée" est par définition évolutive.
Changer l’opinion exprimée plutôt que l’opinion réelle
Particulièrement, sur les réseaux en ligne "où les opinions se propagent plus vite via les connections virtuelles entre les individus", écrivent les chercheurs. Pour modéliser mathématiquement cette situation, ils ont imaginé un réseau où tous les acteurs ont une opinion exprimée sur un produit (ou une information) située entre 0 (négative) et 1 (positive). L’objectif est de changer l’opinion exprimée des internautes, plus que leur sentiment personnel et profond sur le sujet. "C’est à la fois plus facile, et cela a un effet plus important sur l’opinion générale d’un réseau", expliquent-ils. C’est donc plus efficace dans le cadre d’une campagne marketing. En utilisant tous ces paramètres, les chercheurs ont élaboré plusieurs algorithmes qu’ils ont testés sur différents réseaux virtuels, comme par exemple Bibsonomy (une plateforme sociale d’échange de documents universitaires).
Un résultat encore très théorique
Dans ce cas précis, chaque auteur de publication fut considéré comme un membre du réseau à tester, et les relations entre les individus dépendaient des co-publications. L’opinion (positive) de chaque auteur fut déterminée par l’emploi de tags qualifiant ses articles. Comme expliqué auparavant, l’opinion exprimée d’un auteur sur un sujet donné (par exemple "clustering"), dépendait de son opinion personnelle (le nombre de fois que le tag est présent dans ses propres publications) et de l’opinion des autres membres du réseau (le nombre de fois que ce tag apparaît dans les publications des autres membres du réseau (sachant que les scientifiques avec lesquels il a déjà travaillé auparavant auront une plus grande influence sur lui que les autres). A partir de tous ses paramètres, les chercheurs ont fait fonctionner leurs algorithmes jusqu’à identifier les auteurs les plus "influents". Le résultat, bien qu’encore très théorique, est très positif pour les chercheurs. Reste encore à adapter ces algorithmes à des situations réelles pour les intégrer à des campagnes marketing.