Les véhicules électriques (VE) se profilent aujourd’hui comme une technologie clé pour la transition vers une mobilité plus durable. Face aux enjeux climatiques et à la nécessité de réduire les émissions de CO₂, les VE sont largement promus comme une alternative aux véhicules thermiques, avec la promesse de réduire la pollution atmosphérique et d’améliorer la qualité de vie urbaine.

Cependant, leur adoption à grande échelle reste un sujet de débat, en raison des interrogations sur leur impact écologique global, notamment concernant la production et le recyclage des batteries, les ressources en matériaux rares, et les infrastructures de recharge.

Le sujet de ce stage est donc d’analyser les interactions sur Twitter concernant les véhicules électriques afin de comprendre comment se forment, évoluent et se maintiennent les communautés d’opinion autour de ce sujet. Nous nous focaliserons sur l’application d’algorithmes de détection de communautés au sein de réseaux sociaux pour identifier et comparer l’évolution des communautés.

En complément, nous utiliserons des mesures de centralité pour repérer les acteurs clés et les ponts entre les communautés, qui jouent un rôle potentiel dans la diffusion de l’information et l’influence des perceptions publiques.

L’analyse des réseaux sociaux est enrichie par des méthodes de traitement automatique du langage (NLP) pour saisir les thèmes dominants et les enjeux de débat qui traversent ces communautés.

Les résultats permettront d’apporter un éclairage sur la perception des véhicules électriques, leurs avantages perçus et les éventuelles résistances qui subsistent, tout en fournissant des insights utiles pour les décideurs et les industriels engagés dans la transition énergétique.

Objectifs du Stage :

L’objectif principal de ce stage est d’appliquer des algorithmes de détection de communautés (Louvain, Infomap, Label Propagation, etc) à un réseau extrait de X, afin de comprendre la structuration et l’évolution des communautés autour des véhicules électriques (VE). Les objectifs spécifiques incluent :

• Application des Algorithmes de Détection de Communautés : appliquer et comparer plusieurs algorithmes de détection de communautés sur des réseaux pour identifier des groupes d’opinion, et analyser leur stabilité et cohérence dans le temps.

• Évaluation et Comparaison des Algorithmes : évaluer les performances de ces algorithmes sur des réseaux représentés une fois de manière statique et une autre fois dynamique, en explorant comment les variations temporelles affectent la robustesse et la structure des communautés. Intégrer des mesures de centralité permettra également d’identifier les acteurs influents et les ponts entre communautés, qui peuvent jouer un rôle essentiel dans la diffusion de l’information.

• Intégration de l’Analyse Textuelle : enrichir l’analyse des réseaux en intégrant le traitement automatique du langage (NLP) pour relier les communautés détectées à des thématiques clés autour des VE, afin de mieux comprendre les opinions et préoccupations qui s’y rattachent

• Étude de l’Impact des Événements Externes : observer comment les événements externes, tels que les nouvelles réglementations ou avancées technologiques, influencent la dynamique et l’évolution des communautés. Les centralités permettront également d’analyser comment certains acteurs peuvent amplifier ou atténuer les impacts de ces événements au sein de chaque groupe.

Vous êtes étudiant en Master 2 ou en dernière année d’école d’ingénieur (formation informatique ou mathématiques appliquées).

Vous possédez des connaissances solides en graphes, NLP, et machine learning, et des bases en programmation Python.

Une bonne maitrise de l’anglais est nécessaire.