Au cours des deux dernières décennies, un large éventail de modèles et de méthodes a été développé pour capturer les interactions entre paires d’entités, représentées par des graphes aléatoires. Récemment et dans divers domaines d’applications, a émergé l’idée qu’il est nécessaire de considérer les interactions d’ordre supérieur, qui impliquent des groupes de trois entités ou plus. Des exemples simples incluent les interactions triadiques et en groupe plus large dans les réseaux sociaux, les réseaux de co-publications d’articles scientifiques, les interactions entre plus de deux espèces dans les réseaux écologiques, etc. Ces interactions d’ordre supérieur sont naturellement représentées par des hypergraphes, et la question de la classification (non supervisée) des nœuds d’un hypergraphe émerge alors naturellement.

Dans cet exposé, je ferai un tour d’horizon des enjeux de la modélisation des interactions d’ordre supérieur par des hypergraphes aléatoires (en particulier des enjeux computationnels) et du problème de la classification des nœuds. Trois types de méthodes seront évoquées : maximisation d’une modularité, approches spectrales, et modélisations par modèles probabilistes à blocs stochastiques.