1Les enseignements que l’on peut tirer de ces expérimentations autour de la morphologie organisationnelle des cellules terroristes sont nombreux, mais aussi, à certains égards, rédhibitoires. Durant les mois qui ont suivi mes réflexions sur la cartographie des organisations terroristes (à partir de données connues), j’ai poursuivi le travail d’investigation, en faisant porter mon attention aussi bien sur les façons de traiter en amont les données que, en aval, de les représenter. Sans m’en rendre vraiment compte, je commençais à imaginer les contours d’un instrument d’observation « du social » considéré comme un ensemble de relations de nature diverse, représentable sous forme de graphe, et exhibant des propriétés réseau identifiables (dont certaines, on peut l’espérer, seront particulières aux organisations criminelles ou terroristes). Si l’on s’en tient à la cartographie de réseaux terroristes et à ses procédures, on peut légitimement penser que, une fois mise au point la méthode, le principal défi réside dans nos capacités quantitatives de récolte et de traitement de l’information. La puissance des machines et des calculs serait l’horizon à atteindre, le big data et le cloud computing en faisant rêver plus d’un. De là, l’idée que des algorithmes pourront bientôt remplacer les mécanismes de l’analyse et contribuer de façon prédictive à l’identification des entités sociales criminelles. Il devrait donc être possible de développer un système d’accès à des sources multiples d’information (souvent massives) qui pourrait suivre en temps quasi réel quelques milliers de suspects. On pourrait ainsi agréger à grande échelle de vastes silos d’informations, surtout si de nouvelles lois permettent juridiquement d’en étendre les sources. De toute évidence, l’association des data et des graphes dans l’observation du social (individus ou organisations, criminelles ou non) peut sembler un terrain enthousiasmant et prometteur d’expérimentation. La perspective, au moins théorique, de mettre en place un vaste système d’information depuis les data, mises en réseau et révélant les fameux « hidden patterns » m’a effleuré l’esprit pendant quelque temps, comme si l’approche cartographique allait se déployer naturellement dans le domaine de la sécurité et de l’observation du social.

2Oui, mais voilà : le processus d’agrégation de l’information multisourcée (ou des informations de types multiples) ouvre sur une problématique que les technologies actuelles ne peuvent encore résoudre. Ce verrou est celui de la multidimensionnalité de l’information que nos modèles théoriques comme nos instruments techniques ne peuvent traiter qu’en surface, de façon approximative ou parcellaire. Si l’on revient sur le travail de Valdis Krebs, ou à mon modeste essai de cartographie du réseau d’acteurs du 11 septembre, j’espère que chacun s’est aperçu de ce « tour de passe-passe » méthodologique qui a consisté à fusionner différents types de liens, en traduisant cette diversité sous forme de poids sur le principe de l’addition (liens faibles = 1, liens forts = 5). Le procédé, l’astuce plutôt, est nécessaire techniquement : les méthodes et les outils forgés pour explorer le Web ont été conçus pour extraire des patterns organisationnels unidimensionnels liés à la distribution des seuls liens hypertextes. Leurs limites apparaissent lorsqu’il s’agit de réseaux plus complexes à construire, surtout un réseau social d’« entités nommées » dont les dimensions sont multiples. Si A est lié à B via une série d’appels téléphoniques, A et B peuvent être par ailleurs reliés via un séjour en Afghanistan, la fréquentation d’une même mosquée et être amis sur Facebook. Je peux cartographier A et B en agrégeant ces quatre types de liens, en en additionnant seulement deux ou même trois, voire n’en retenir qu’un seul, mais je ne peux en déduire des règles d’interaction entre ces différents niveaux. Dans tous les cas de figure, mon espace logique et technique de traitement de l’information reste fondamentalement unidimensionnel. La prise en compte de la multidimensionnalité supposerait que l’on puisse inférer des enchaînements typiques de causalité : en quoi les liens de type 1 (fréquenter une même mosquée) produisent-ils des effets sur les liens de type 2 (être amis sur Facebook) ?

3En apparence, et seulement en apparence, la question de la multidimensionnalité des informations sous forme de graphe paraît constituer une sorte d’amélioration naturelle de la méthode : il s’agit de considérer les liens sous l’aspect de layers différents (ou différents types de connexions). Visuellement, on peut superposer toutes les couches ou layers et les considérer indépendamment les unes des autres, ou bien en les additionnant. Pour chacun des éléments d’un système ou d’un réseau, il s’agit donc d’enrichir en précision notre capacité d’observation des connexions en introduisant le principe des layers dans les modèles de données pour décomposer un graphe :

Image 10.1

4Dans un dispositif d’exploration de données relationnelles comme Gephi, on peut trier les liens ou les nœuds par famille et les faire apparaître tour à tour ou selon des formules d’agrégation plus complexes. Le principe des partitions peut donc être déployé aussi bien sur les liens que sur les nœuds d’un graphe. Si l’on reprend l’exemple désormais classique du jeu de données des Misérables disponible avec Gephi, on peut distribuer des types (L1, L2, L3) à l’ensemble des connexions de façon aléatoire et les faire apparaître comme autant de layers manipulables et autonomes :

Image 10.2

5On peut ainsi isoler les informations d’un layer de graphe et calculer dans un espace autonome de nouvelles propriétés locales liées au sous-graphe produit.

Image 10.3

6C’est dans le rapport entre les vues a) et b) que réside le hiatus méthodologique qui rend d’un coup très relatif l’ensemble du travail de cartographie « mono-layer » tel que je le pratique depuis longtemps. Dans mon exemple des personnages des Misérables, les données d’ensemble sont déjà connues et je procède pour la démonstration par soustraction (a), laissant apparaître l’ensemble des nœuds (ou des acteurs) du réseau. Mais imaginons la situation inverse : j’observe une organisation en réseau à partir d’un type de liens (b) ouvrant sur une réalité tronquée par rapport à l’ensemble des nœuds et des liens potentiels, que révéleraient d’autres layers de liens (éventuellement puisés dans d’autres sources). Que pouvons-nous saisir d’un phénomène à partir du graphe b ? Peu de choses, évidemment, à moins d’assumer que l’on peut cartographier une organisation criminelle sur la seule base des connexions via la téléphonie mobile ou la fréquentation d’une même mosquée. Mais il faut aller plus loin : qu’ai-je saisi du Web et de sa géographie en mobilisant la distribution des liens hypertextes et non pas tous ces layers de liens que constituent aujourd’hui les like, les connexions entre amis sur LinkedIn ou Facebook, les liaisons produites par la recherche de nos Copains d’avant, les annonces auxquelles j’ai répondu sur Le Bon Coin ? S’il s’agit d’éclairer un système, ou l’usage d’un système, les graphes unidimensionnels peuvent suffire quelque temps. S’il s’agit de viser au-delà les entités sociales qui l’alimentent en information, en documents, en idées, en rumeurs, en tendances, en organisations ou en groupes, alors l’entreprise n’en est qu’à ces balbutiements techniques et méthodologiques.

*****

7Pour un cartographe comme moi, la question des réseaux multilayers constitue ce genre de verrou scientifique que l’on peut considérer comme la prochaine étape de la cartographie d’informations. Et la cartographie des réseaux terroristes le démontre de façon exemplaire. Désormais, à bien y réfléchir, le principe des réseaux et graphes multilayers interroge directement la cartographie des phénomènes sociaux au sens large et pose de nombreuses questions sur les futures méthodes d’observabilité du social via le traitement de données. Par exemple, peut-on encore rendre compte d’un « objet » social (individus, organisation, jeux d’acteurs, négociation, controverses, influence…) seulement à partir des tweets, des liens hypertextes, des like, des commentaires, des recommandations, des réseaux d’amis ou des indices de réputation ? Si l’on vise à décrire des entités sociales (individus, communautés, groupes, institutions…) ou des phénomènes sociaux (diffusion, rumeurs, opinions, idéologies…), il faudra donc hybrider les sources et les dimensions pour explorer leur combinatoire à l’aide d’une forme de technologie qui n’est pas encore née. Mais les implications sont encore plus larges et emportent avec elles le projet de cartographie du Web comme système distribué. La question de la multidimensionnalité en est même devenue centrale et stratégique pour l’observation et le contrôle de la plupart des systèmes distribués à grande échelle que l’on qualifie souvent de « complexes ». C’est ici que les problématiques de cartographie (du social, du Web, de l’information…) rejoignent un courant majeur de la recherche actuelle, l’étude des réseaux complexes et des NoN (Networks of Networks) dont on devine les implications pour la sécurisation des systèmes comme les réseaux de transport ou de distribution de l’énergie et de l’information. Un rapport européen récent1 souligne ainsi les enjeux scientifiques et technologiques de cet immense champ de recherche qui s’ouvre aujourd’hui :

It is usually recognized that the traditional network representation is an oversimplification of the corresponding system; for instance, social interactions seldom develop on a single channel, and more than one relationship can bind pairs of people. It is thus not surprising that multilayer networks have raised a great expectation, as they should be able to better represent the topology and dynamics of real-world systems […] The new “degrees of freedom” in multilayer systems also yield new phenomena that cannot occur in single-layer systems […] Such a change of paradigm, that was termed in disparate ways (multiplex networks, networks of networks, interdependent networks, hypergraphs, and many others), led already to a series of very relevant and unexpected results, and we firmly believe that: i) it actually constitutes the new frontier in many areas of science, and ii) it will rapidly expand and attract more and more attention in the years to come, stimulating a new movement of interdisciplinary research.

8De sérieux défis s’annoncent aussi bien pour le cartographe que pour le mathématicien dans ses calculs sur les structures de graphe, pour l’informaticien dans sa construction des modèles de données ou pour le designer d’interface qui doit jongler désormais avec tous les prismes d’un objet pris dans différents « ordres de rationalité » ou « plans de la réalité ». Et ces défis sont tels qu’un sentiment légitime d’impuissance peut nous habiter, doublé de prise de conscience des limites de nos outils et de nos méthodes, dont la cartographie d’information avec les modèles de données sur lesquels elle est fondée, les métriques de graphes et les figures de spatialisation qui en sont l’ossature. Face aux problèmes méthodologiques et techniques posés par le principe de l’information en n-dimensions, les cartographies que j’ai produites jusqu’à présent paraissent toutes relatives. Ce ne sont effectivement que quelques clichés photographiques d’une première apparence derrière laquelle il faut désormais deviner toutes les autres dimensions. Ainsi, le long travail de documentation d’un phénomène donné, surtout s’il est social, suppose la mise en œuvre d’un modèle de données plus complexe, apte à rendre compte des différents pans de réalité observée.

*****

9Il est temps d’examiner les trois implications majeures de ces nouvelles orientations de la recherche technologique sur les réseaux qui impactent fortement la pratique de la cartographie d’information (fût-elle adossée à un projet générique de cartographie du Web). La première ressemble à un défi lancé aux ingénieurs et aux chercheurs en ingénierie de l’information, mais aussi aux mathématiciens et à tous ceux qui conçoivent et testent des algorithmes : les modèles de données multidimensionnelles peuvent (ou doivent) être l’objet d’opérations plus complexes que l’addition-soustraction.

Image 10.4

10Si l’on revient à l’étude de Valdis Krebs, les fils qui ont conditionné le destin des kamikazes du 11 septembre s’appuient sur l’exploitation de 4 sources différentes (Trust, Task, Money and Ressources, Strategy and Goals) que le chercheur finit par agréger en une seule structure de graphe pour pouvoir la traiter avec les instruments dont il dispose. Cependant, qu’en est-il si l’on considère les quatre types de connexion comme des graphes indépendants qui interagiraient de différentes façons : quels en sont les nœuds communs ? Sont-ils hiérarchisables ? Les connexions des quatre types sont-elles simultanées ou consécutives ? Certaines propriétés de structure dans un layer en impliquent-elles d’autres dans un autre layer ? Dès le départ, depuis la construction de la table de données, les informations agrégées par Valdis Krebs sont donc réellement multidimensionnelles et, potentiellement, elles méritent d’être traitées comme des variables dont les corrélations (et pas seulement l’agrégation) devraient être interrogées.

11C’est ici que l’on aperçoit les limites de la boîte à outils habituelle pour comprendre comment deux plans ou dimensions de la réalité (sociale en ce qui concerne les organisations criminelles) entrent en interaction. Ainsi, plus on dispose de colonnes dans un fichier Excel, d’attributs pour décrire les nœuds d’un graphe, de types de liens dans un réseau, plus se pose la question de savoir comment les corréler. À supposer que l’on arrive à isoler des formes typiques d’interaction entre les liens de type 1 et les liens de type 2, qu’en est-il alors avec les liens de type 3, de type 4, etc. ? Les structures de graphes multidimensionnels présentent donc un potentiel explicatif puissant, mais à partir de calculs complexes tels qu’ils sont encore largement hors de notre portée. La corrélation de dimensions dans ce que l’on appelle « information » n’est donc pas à l’évidence l’addition : elle suppose fondamentalement l’établissement de relations logiques ou causales entre deux phénomènes (pour nous, deux patterns ou certaines de leurs propriétés) situés dans deux dimensions différentes, éventuellement deux réseaux distincts qui interagiraient. Dans une telle perspective, une entité (sociale ou non) doit être considérée comme participant à une pluralité de types d’interaction ou de connexion avec les autres. Ainsi, peut-on établir un ou des liens entre un phénomène observé dans une dimension (par exemple une configuration typique des réseaux de croyances et de pratiques partagées) et un autre situé dans une autre dimension (par exemple l’activation d’un réseau de soutien logistique) ? Et apparaissent-ils de façon simultanée, de façon consécutive ou bien sur des périodes de temps encore jamais prises en compte (des années, une vie) ? Là, il ne s’agit plus d’observer un aspect du social avec les anciennes lunettes qui scindaient en deux nos univers entre le micro et la macro (et tous les niveaux de mezzo que l’on voudra bien imaginer), mais de la réalité multidimensionnelle du plus singulier des objets aux plus grandes masses. En ce sens, les graphes à produire désormais comme les solutions cartographiques associées doivent pouvoir supporter de l’information en n-dimensions, qu’il s’agisse de description, de prospective, voire de prédiction pour s’en tenir aux questions de sécurité. La maîtrise des graphes multilayers serait d’une grande conséquence pour nos capacités à observer des organisations ou des mouvances terroristes et djihadistes. Par exemple, quels sont les rapports possibles entre les patterns exhibés par les liens familiaux et ceux exhibés par les relations nouées autour de croyances religieuses ? Doit-on l’existence actuelle de certaines relations à la réactivation de plus anciennes, issues d’un autre plan de réalité ? Quelle variable, ou association de variables, paraît la plus pertinente pour expliquer le projet d’attentat ? Et de façon complémentaire, quelles variables de connexion (ou layers de liens) jouent un rôle majeur dans l’organisation logistique des attentats ?

12Évidemment, je semble ainsi découvrir naïvement dans le champ de la cartographie ce que d’autres ont appris à maîtriser depuis longtemps, notamment en économétrie, en statistiques et en mathématiques appliquées sous le nom de « système de multivariables ». Les bases des différentes méthodes de recherche en composantes principales sont en effet posées depuis longtemps (avec des applications par exemple en sémantique), mais ne semblent guère utiles dans une approche par graphe : de la plus importante à la plus modeste variable dans un jeu de données, il s’agit de comprendre la combinatoire qui donne naissance à des topologies particulières avec leurs propriétés de structures (centralité, clustering, hiérarchies…). Si les statistiques peuvent aider, les propriétés sous-jacentes liées aux espaces relationnels restent encore à découvrir, en espérant que l’on pourra les mathématiser. Considérer l’information comme objet multidimensionnel ouvre des perspectives fascinantes en termes de recherche sur les graphes et d’expérimentations sur des jeux de données réels, mais présente de nombreux verrous méthodologiques et technologiques. Clairement, il s’agit pour moi, à titre de cartographe, de nouvelles frontières scientifiques. On peut ainsi rêver à une version future de Gephi qui, dans une dizaine d’années ou peut-être plus, embarquera un HITS ou un PageRank dédié à l’exploration de propriétés de graphes sur plusieurs échelles. Ils nous diraient, par exemple, qu’étant donné tel type de graphe ou de structure, si A est vérifié dans un layer 1, alors B se vérifiera dans un layer 2 avec tel effet sur un layer 3. Et ainsi de suite… selon une immensité de règles combinatoires possibles dont certaines seulement seront sélectionnées pour leur pouvoir explicatif sur des jeux de données réels. Et peut-être aussi pour leur pouvoir prédictif.

*****

13La seconde implication majeure de la multidimensionnalité des données concerne les interfaces d’accès et, au-delà, les scénarios d’usages associés. Il s’agit d’un point central pour le cartographe que je suis puisque la question de l’interface finale (disons « centrée utilisateur ») inclut de fait aussi bien les techniques de spatialisation de graphes que les scénarios d’usage (ou les « contextes métier ») qui accompagneraient les futurs explorateurs de data, et donc le design global d’un futur système. L’univers de la cartographie des organisations criminelles ou terroristes constitue, là aussi, un terrain précieux d’expérimentations et riche d’enseignements. Depuis l’étude sur les attentats du 11 septembre 2001 réalisée à partir des données de Valdis Krebs, j’ai relancé il y a quelque temps le projet de construction de graphes permettant d’appréhender les relations multiples et complexes entre les membres de cellules opérationnelles, mais aussi en incluant toutes les entités (individus ou organisations) qui seraient liées à des attentats issus de la mouvance islamiste. Avec l’aide de deux jeunes ingénieurs (Céline X et Léo Y), nous avons repris les données de l’étude de Valdis Krebs et intégré deux autres jeux de données pour faire émerger de nouvelles pistes à explorer en termes de représentation et de spatialisation de graphes. Le premier a été construit en décembre 2005 par José Rodriguez lorsqu’il a produit son étude sur l’organisation des attentats à la gare d’Atocha en banlieue de Madrid en 20042. Les données recueillies par le chercheur concernent 70 acteurs (dont les 7 terroristes) reliés entre eux par 5 types de liens. Les 5 layers de liens permettent d’identifier différents types de connexion (liens d’affinités entre les 7 acteurs principaux, mais aussi liens d’amitié, liens de proximité pour tous ceux qui se trouvent dans la région de Madrid, liens de confiance à partir de critères religieux et liens historiques produits lors de séjours en Afghanistan et au Pakistan).

Image 10.5

14Ainsi, le graphe complet de la vue de gauche peut être décomposé en 5 layers que l’on peut superposer de différentes façons (dans la partie droite), comme l’ont réalisé Céline et Léo à partir de feuilles transparentes. Le second jeu de données a été repris et transformé en structure de graphes analysable avec Gephi : il s’agit des informations collectées par Sean Everton et ses étudiants concernant les acteurs et les organisations liés aux attentats de 2000 à 2006 en Indonésie, notamment à Bali3. Le réseau Noordin Mohammed Top (du nom du leader du groupe) comprend des informations sur 80 acteurs distribuées en 13 layers différents. Pour visualiser les données et la richesse informationnelle des 13 layers, Léo et Céline ont imaginé une interface graphique pouvant être intégrée à un futur prototype dédié à ce type de jeux de données :

Image 10.6

15L’interface de visualisation est issue d’une procédure de transformation des tableaux de données (1) en structure de graphe multilayers (2), elle-même spatialisée (3) selon deux règles. La première consiste à placer dans un cercle central tous les acteurs identifiés ayant directement participé aux attentats (on peut donc les intégrer au fur et à mesure d’une enquête). La seconde consiste à positionner à l’extérieur du cercle les acteurs ayant participé indirectement aux attentats en les positionnant selon des règles « classiques » d’attraction/répulsion (par exemple avec le Force Atlas 2 avec Gephi).

Image 10.7

16Dans le système imaginé, les layers de liens peuvent être affichés ou non selon des réglages contrôlés par un analyste ou un expert (ici, tous les layers ont été affichés). De plus, il permet de décliner la variable visuelle des couleurs en fonction des différents attributs présents dans le jeu de données. Dans le cas de la campagne d’attentats menés en Indonésie de 2000 à 2006, les couleurs ont été attribuées en fonction de l’appartenance des acteurs à des organisations actives, comme la Jemaah Islamiyah qui est la plus présente (certaines autres organisations présentes dans le graphe y étant liées par ailleurs). Les choix graphiques de spatialisation tiennent évidemment de présupposés ou d’hypothèses de travail ; comme le montre la vue générale, il s’agit pour nous d’essayer de comprendre comment un ensemble d’organisations islamistes (ou d’individus y appartenant) peuvent contribuer à alimenter des cellules actives (le réseau Noordin Mohammed Top est donc, en quelque sorte, multiorganisationnel). Il serait intéressant, sur ce point, de générer l’espace global de l’islamisme radical sunnite (par exemple les cellules issues du wahhabisme) où l’on verrait apparaître successivement des zones de formation de cellules actives au cours du temps. Y figureraient, assurément, les acteurs décrits dans nos trois jeux de données…

*****

17Une troisième implication (et non la dernière) du principe de la multidimensionnalité de l’information concerne la révision qui m’apparaît nécessaire de nos outils, de nos méthodes… et de nos concepts théoriques. Là aussi, la cartographie des organisations criminelles et terroristes apparaît singulièrement éclairante. Ainsi, si l’on revient à la technique de superposition de liens « faibles » et « forts » (ou selon toute échelle de pondération plus complexe) pour analyser différents types de connexions connues qui animent un espace social (et dont la logique ou la dynamique fait l’organisation), il faut alors prendre en compte les différentes formes ou topologies de chacun des réseaux, et donc leurs dynamiques temporelles spécifiques. Ainsi, dans un graphe multilayers ou de différents types de connexions, A est une entité qui interagit avec d’autres entités d’un certain point de vue (par exemple des flux bancaires) tandis que B interagit parallèlement avec un autre groupe (via des e-mails). Et, tout d’un coup, A appelle B via son téléphone mobile, dressant ainsi un pont (principe du bridging) entre A et sa communauté et B et sa communauté parce que A et B se sont entraînés ensemble en Afghanistan. Ce que l’on présente en sociologie comme des liens faibles dans les sociographes (ces grands liens qui permettent à un individu de « sauter » d’un groupe à un autre en termes de parcours) se révèlent à l’analyse comme d’anciens liens forts, endormis dans l’histoire de chacun. L’étude de Valdis Krebs comme notre modeste cartographie exhibent une série de liens faibles (connexions ponctuelles de type communication électronique) qui peuvent être considérés, à bien des égards, comme la « réactivation » d’anciens liens forts. Dans le cas du 11 septembre 2001, la dynamique des cellules opérationnelles (liens de coparticipation dans un commando, liens de soutiens logistiques, toutes les actions de préparation des attentats…) repose largement sur la réactivation de liens forts plus anciens, longtemps restés en sommeil et qui se réveillent à différents niveaux du réseau social.

18Dans la tradition de la modélisation statistique (par exemple chez Watts et Strogatz), les liens faibles sont distribués aléatoirement (principe du randomness assumé pour la démonstration statistique) de façon à démontrer le principe du small world où quelques grands ponts (bridging) sont jetés d’un bout à l’autre du graphe faisant ainsi chuter le diamètre d’une structure au départ très clusterisée (en chemins réels ou possibles). On connaît aussi leur importance chez     Stanley Milgram et les « chain of acquaintances » (1969) et, surtout, Mark Granovetter (1973). Chez ce dernier, les weak ties tirent leur force dans l’étude de la macrostructure sociale de leur pouvoir de connexion de différents univers sociaux : tandis que les strong-local ties permettent de décrire les clans familiaux et les univers d’amis proches, les weak-global ties semblent jouer un rôle déterminant dans notre faculté d’adaptation sociétale au sens large (ils sont activés dans des périodes de recherche d’emploi chez les jeunes diplômés). Mais rien ne nous dit dans quelle(s) proportion(s), ni selon quelle(s) formule(s) d’intrication ces liens faibles ne sont pas en même temps d’anciens liens forts de proximité sociale. À l’examen, il se pourrait donc bien que les liens faibles n’existent pas, du moins leur principe théorique tient tant que l’on n’a pas engrangé suffisamment de données sur la « surface » d’un phénomène réseau ou questionné l’histoire de ses connexions, des plus anciennes au plus actuelles. On retrouve là l’un des problèmes majeurs des SHS aujourd’hui : faute d’instruments performants pour interroger les données (en précision qualitative comme en largeur quantitative), les chercheurs (dont les sociologues) sont restreints à des horizons d’observation relativement réduits.

19Et ce n’est là qu’un tout premier aspect de la revisitation des méthodes et des concepts que nous livrent les sciences (humaines ou non) à la lumière des problématiques de la multidimensionnalité de l’information. Là encore, les questions de sécurité et de l’observation du djihadisme sous l’angle des réseaux posent d’intéressants problèmes qui ne sont pas que technologiques ou méthodologiques : en braquant l’attention sur une « zone » particulière du social où des entités interagissent selon des scénarios ou des patterns (que l’on espère pouvoir observer, puis analyser, classer, comparer), à partir de quels concepts, voire de quelle théorie, appréhender la dynamique propre à chaque layer de liens, sans parler de leurs interactions multiples ? Tout m’avertit que là où la question de la multidimensionnalité de l’information fait surface, comme le domaine de la sécurité, se forgeront demain les méthodes et peut-être les concepts qui éclaireront d’autres systèmes, comme le Web et sa structure fascinante. Les univers informationnels auxquels il faut se préparer ne seront pas réductibles à des types, des classes ou profils et auront tout d’instruments d’observation de la dynamique complexe des interactions et de leurs dimensions. À ce titre, il n’est pas inutile de considérer, là aussi, le djihadisme actuel comme un écosystème social et culturel où les patterns de connexion sont complexes comme le montrent les données des attentats du 11 septembre, puis ceux de Madrid en 2004 et en Indonésie jusqu’en 2006 : diversité des profils et des parcours personnels, groupement en clusters (cellules, groupes, filières), différentes formes de hiérarchies (les plus actifs, ceux qui jouent un rôle central dans la structure, les mentors qui diffusent le message, recruteur dans les filières, multiples formes de soutien…), capacités de résilience organisationnelle. Cet écosystème semble fonctionner sur plusieurs niveaux (layers) que savent exploiter les acteurs qui passent de l’un à l’autre, qui utilisent l’un pour l’autre. Les entités sociales (individus ou collectifs) se caractérisent par une sorte de « plasticité » ou de « mobilité » qui dessine une nouvelle géographie où se croisent les trajectoires personnelles dans des cellules de rencontres (les cybercafés, les mosquées, les librairies), dans des villes nœuds et dans des bases d’entraînement, dans les nouvelles terres du djihad telles que l’Afghanistan et l’Irak. De façon simultanée, le Web et ses plateformes sociales (parfois cryptées) se constituent en instruments structurant l’idéologie djihadiste ou en dispositif logistique d’échanges d’informations. Actifs ou en sommeil, les réseaux djihadistes d’aujourd’hui relèvent d’un espace tout aussi réel que virtuel : les recruteurs d’un côté, le Web de l’autre s’étendent de plus en plus jusqu’à eux, pour les inclure dans une « nation virtuelle » dont ils peuvent devenir des soldats. Voilà un objectif pour un cartographe ! Et quelques aventures supplémentaires…