Navegación – Mapa del sitio

InicioLeerLes comptes rendus2017Emmanuel Lazega et Tom A. B. Snid...

Emmanuel Lazega et Tom A. B. Snidjers (dir.), Multilevel Network Analysis for Social Sciences

Robin Lenoir
Multilevel Network Analysis for the Social Sciences
Emmanuel Lazega, Tom A. B. Snijders (dir.), Multilevel Network Analysis for the Social Sciences. Theory, Methods and Applications, Heidelberg, Springer, col. « Methodos », 2015, 375 p., ISBN : 978-3-319-24518-8.
Inicio de página

Texto completo

1Pour sortir du débat entre individualisme et holisme, une solution est peut-être de considérer les deux options conjointement : il faudrait prendre en considération à la fois l’action au niveau de l’individu et au niveau des institutions. C’est cette idée, et surtout son application comme méthodologie de recherche, que nous proposent Tom Snidjers et Emmanuel Lazega dans cet ouvrage collectif. Le livre naît ainsi d’une rencontre entre de nouveaux outils statistiques articulant observations microscopique et macroscopique (l’analyse de réseaux multi-niveaux) et d’un regard renouvelé sur le monde social.

  • 1 Charles Perrow, « A society of organizations », Theory and Society, n° 20, p. 725-762, 1991.
  • 2 Formellement, le réseau multi-niveaux est en fait la conjonction de trois réseaux : au moins deux r (...)

2Le sociologue Emmanuel Lazega milite depuis plusieurs années pour une sociologie « néo-structurale ». Ce chercheur du Centre de Sociologie des Organisations de Sciences Po tente d’y articuler des échelles traditionnellement séparées en sciences sociales : l’échelle macroscopique et l’échelle microscopique. Emmanuel Lazega considère ainsi, à la suite de Charles Perrow, que la société moderne est un « société organisationnelle1 » : elle serait marquée par l’individualisation, tout en ayant fait des organisations des entités ayant leur propre pouvoir d’action. De par leur imbrication, ces deux niveaux sont d’ailleurs interdépendants. Par l’apport des outils d’analyse des réseaux, cette intuition épistémologique se transforme en une méthodologie de recherche. Le statisticien Tom Snidjers présente ainsi, dans le deuxième chapitre, « l’analyse de réseaux multi-niveaux ». Il s’agit d’abord de l’analyse d’un réseau, c’est-à-dire d’un ensemble d’acteur (ou « nœuds ») connectés par des liens. Ce réseau est « multi-niveaux » si y coexistent des acteurs de différentes natures (typiquement des individus et des entreprises). Il existera alors des connections entre les niveaux (un individu appartient à une entreprise), mais aussi au sein d’un même niveau (des individus échangent, des entreprises collaborent)2.

3La première partie de l’ouvrage, intitulée « Theory », a pour but d’étudier plus en en détail les implications de ces « réseaux multi-niveaux » du point de vue de la méthodologie statistique (deuxième chapitre) et de l’analyse sociologique (troisième chapitre). La deuxième partie présente tour à tour différentes méthodes statistiques (de l’analyse factorielle à la régression logistique), et la troisième montre comment les combiner dans des analyses d’ordre sociologique. Chaque chapitre, relativement autonome, revient toujours sur sa méthodologie spécifique, et l’applique toujours à un exemple précis qu’il explicite. Ne pouvant présenter l’ouvrage exhaustivement, nous avons préféré présenter, en devant malheureusement laisser de côté une majorité des contributions, quelques démarches présentes dans le livre et qui nous semblent en synthétiser l’apport principal.

  • 3 Snidjers Tom, Bosker Roel, Multilevel analysis: An Introduction to basic and advanced multilevel mo (...)

4La première question posée par l’analyse des réseaux multi-niveaux est celle des effets d’un contexte sur un comportement individuel. Cela répond à un manque de la méthode de la régression linéaire notamment, qui a du mal à sortir de l’étude des caractéristiques purement individuelles. Par exemple, on a cherché en quoi le statut d’un universitaire influe sur sa capacité à obtenir un financement, sans se poser la question de savoir si cela variait selon les laboratoires de rattachement. Aujourd’hui, la régression par le « modèle linéaire hiérarchique3 » permet d’étudier de tels effets de contexte. Cette méthodologie oublie néanmoins que les chercheurs échangent entre eux, que les laboratoires collaborent, et que ces connections ont un impact dont il faut rendre compte. C’est la qu’intervient l’analyse par réseaux multi-niveaux. Emmanuel Lazega montre ainsi qu’il ne suffit pas de dire qu’un chercheur est reconnu, c’est-à-dire qu’il est un « gros poisson » (« Big Fish », qui occupe une place centrale dans le réseau), pour comprendre son succès. Le succès du Big Fish varie selon l’étang (« Pond ») dans lequel il nage, c’est-à-dire son laboratoire de rattachement. Il propose ainsi une typologie en quatre parties pour de tels réseaux articulant individus/organisations : le Fish/Pond. On peut être un gros poisson dans un grand étang (Big Fish Big Pond), mais aussi un gros poisson dans un petit étang (Big Fish Small Pond), etc.

5Dans le chapitre 9, les auteurs Elisa Bellotti, Luigi Guadalupi et Guido Conali s’intéressent précisément à cette question. Ils étudient les modalités de l’attribution de bourses de recherche publiques dans le milieu universitaire italien à des projets collaboratifs. Les résultats sont très intéressants. D’abord on observe que les caractéristiques individuelles sont importantes pour obtenir une bourse de recherche, mais moins que la place du chercheur dans le réseau de collaboration. Ainsi un chercheur qui fait le lien entre deux groupes de chercheurs autrement déconnectés (on l’appelle « broker ») a plus de chance de recevoir beaucoup de subventions. L’impact « macro », celui des universités et laboratoires de rattachement, est assez faible si on le considère seul. En revanche, l’impact « méso », propre à l’analyse par réseaux multi-niveaux (il articule réseau d’individus et réseau d’organisations), est significatif. On aurait pu croire en effet que les Big Fish gagnaient plus, en particulier s’ils étaient dans des Big Pond. On observe en fait que ce sont les universitaires dans des Small Pond (petites universités donc) qui réussissent le mieux, en particulier s’ils sont Big Fish.

  • 4 Network Autocorrelation Model
  • 5 Multilevel Exponential Radom Graph Model. Cf. Wang P, Pattison P, & Robins G. « Exponential Random (...)
  • 6 En modélisation statistique une variable de contrôle est une source de variation qui est estimée af (...)

6Pour tester ces hypothèses, les auteurs ont dû prendre en considération la manière dont le réseau multi-niveaux qu’ils étudient était construit. Pour cela ils ont fait appel à des modèles d’autocorrélation de réseau4 (notamment MERGM5). Le principe est simple : on compte le nombre de « nœuds » dans le réseau, et le nombre de liens par nœuds. À partir de là on tente de reproduire artificiellement le réseau en attribuant chaque lien d’un nœud à un autre nœud aléatoirement. Cette opération est reproduite un grand nombre de fois, puis on compare les réseaux aléatoires trouvés avec le réseau réel. Cela permet de distinguer ce qui, dans le réseau réel, tient du hasard, et ce qui tient de principes structurants. Dans le chapitre 9, la structure du réseau n’était pas étudiée en elle-même, il s’agissait d’une « variable de contrôle6 ». Mais elle pourrait être l’objet des recherches, et c’est là la deuxième grande question que se pose l’ouvrage de Snidjers et Lazega.

7Plusieurs chapitres de l’ouvrage répondent à cette question, un des plus éclairants étant le chapitre 6. Dans ce chapitre, les auteurs Peng Wang, Garry Robins et Petr Matous s’intéressent à des réseaux de conseil entre fermiers en Éthiopie. Ils distinguent trois réseaux (confondus dans un réseau multi-niveaux) : les échanges de conseils au sein des fermiers qui ont des activités d’entrepreneurs en plus, au sein des fermiers non-entrepreneurs, et entre les entrepreneurs et les non-entrepreneurs. Si la distinction n’avait pas été faite, on aurait pu croire que tous les fermiers avaient des comportements similaires en termes d’échanges de conseils (notamment qu’ils se centralisaient autour de la religion et du village), alors qu’en réalité des structurations plus complexes existent. Notamment, il apparaît que les fermiers populaires au niveau « méso » (c’est-à-dire des entrepreneurs qui échangent avec des non-entrepreneurs, et l’inverse) échangent très peu à l’intérieur de leur propre niveau. À l’inverse ceux qui échangent beaucoup à l’intérieur de leur niveau, échangent peu entre les niveaux.

  • 7 Théoriquement, pour la télévision un lien formel ne peut exister qu’entre deux types d’entreprises (...)

8Au-delà de la structuration des échanges, l’analyse de la formation des réseaux multi-niveaux permet de distinguer, selon Emmanuel Lazega, différents niveaux d’« agentivité ». Les auteurs du chapitre 10 s’intéressent ainsi au marché de la télévision dans l’est de l’Europe. On y observe que les liens entre individus influent sur les liens entre entreprises (deux individus peuvent être l’origine d’un accord entre leurs entreprises), mais que l’inverse est vrai aussi. Étonnement, on remarque qu’il existe également des liens récurrents entre des individus appartenant à des entreprises a priori concurrentes7. Cela s’explique par le fait que des « collègues » d’entreprises similaires peuvent se solliciter l’un l’autre pour juger de la qualité d’un éventuel partenaire. Notons finalement que les liens entre les individus évoluent bien plus rapidement que les liens entre les entreprises. Ce dernier résultat permet d’étayer une théorie développée par Emmanuel Lazega dès le début de l’ouvrage. Selon lui, la « société organisationnelle » fonctionne comme une toupie : elle est faite de différents niveaux qui n’évoluent pas à la même vitesse. Certains liens évoluent lentement (les liens entre les entreprises), d’autres évoluent très vite (les liens entre individus). Il existe aussi des liens très stables, ce sont ceux qui traversent la toupie verticalement. La métaphore est judicieuse, car ces liens restent stables justement grâce l’évolution des autres liens permet à la toupie de garder son équilibre. La synchronisation entre les niveaux qui assurent cet équilibre est donc finalement portée par les individus, qui en assument d’ailleurs les coûts.

9Finalement, ce modèle de la toupie résume bien la portée de l’ouvrage. On peut presque y voir poindre une théorie de la justice sociale, témoignant de l’ambition épistémologique et philosophique des auteurs. Très rigoureux et très complet du point de vue de la méthodologie statistique, cet ouvrage est cependant bien plus qu’un manuel pour statisticiens. Les concepts théoriques et les analyses des résultats qui sont proposés sont de nature véritablement sociologique, dans le sens où ils servent à construire une vision réfléchie du fonctionnement de la société, y compris en traquant les injustices qui y sont cachées. On regrette cependant que les contributions se consacrent toujours à des objets empiriques très restreints, alors qu’une réflexion à plus grande échelle (celle d’un pays par exemple) aurait pu être particulièrement intéressante. Un tel projet pose certainement des difficultés, et nous espérons que les auteurs continuent dans la voie qu’ils ont tracée pour y parvenir un jour.

Inicio de página

Notas

1 Charles Perrow, « A society of organizations », Theory and Society, n° 20, p. 725-762, 1991.

2 Formellement, le réseau multi-niveaux est en fait la conjonction de trois réseaux : au moins deux réseaux à un mode (les acteurs ont la même nature) et au moins un réseau bipartite (qui connecte entre eux des acteurs de différentes natures : des entreprises et des individus par exemple).

3 Snidjers Tom, Bosker Roel, Multilevel analysis: An Introduction to basic and advanced multilevel modeling (2de éd.), Londres, SAGE, 2012.

4 Network Autocorrelation Model

5 Multilevel Exponential Radom Graph Model. Cf. Wang P, Pattison P, & Robins G. « Exponential Random Graph Models For Multilevel Networks – A dependence hierarchy », Social Networks, n° 35, 2006, p. 211-222.

6 En modélisation statistique une variable de contrôle est une source de variation qui est estimée afin de pouvoir déterminer « l’effet propre » d’une autre source de variation, c’est-à-dire ce que la variation totale entre les individus par exemple doit à cette deuxième source.

7 Théoriquement, pour la télévision un lien formel ne peut exister qu’entre deux types d’entreprises différents : une entreprise productrice de programmes et une entreprise qui diffuse des programmes. Deux entreprises concurrentes ont la même activité et la même « niche » de marché, par exemple deux entreprises de diffusion qui ont pour audience cible la jeunesse. Elles n’ont pas de raison de signer de contrat.

Inicio de página

Para citar este artículo

Referencia electrónica

Robin Lenoir, « Emmanuel Lazega et Tom A. B. Snidjers (dir.), Multilevel Network Analysis for Social Sciences », Lectures [En línea], Reseñas, Publicado el 19 mayo 2017, consultado el 18 abril 2024. URL : http://journals.openedition.org/lectures/22919 ; DOI : https://doi.org/10.4000/lectures.22919

Inicio de página

Derechos de autor

Salvo indicación contraria, el texto y otros elementos (ilustraciones, archivos adicionales importados) son "Todos los derechos reservados".

Inicio de página
Buscar en OpenEdition Search

Se le redirigirá a OpenEdition Search