Notre travail se r sume l' tude approfondie des mod les des graphes, plus particuli rement de grandes tailles. Dans ce contexte, nous avons d ploy les techniques de programmation pr alablement acquises en Python avec l'utilisation de NetworkX comme biblioth que. Le projet s'est d roul selon 2 axes principaux: la th orie des graphes: tout ce qui est th orique (d finitions, mesures, exemples d'ex cution...) et l'applications: r cup ration d'un graphe de terrain, comparaison entre les algorithmes et comparaison entre les mod les. En outre, ce projet tait une opportunit pour bien ma triser la th orie des graphes, Python, NetworkX et surtout un enrichissement pour notre culture Data Mining. Et nous sommes satisfaits d'avoir pu am liorer l'algorithme du bout du monde et d'avoir impl menter notre propre version de l'algorithme de d tection des communaut s: label propagation, et d'avoir utilis l'API Twitter comme moyenne de g n rer des graphes de terrain.