De nombreuses données entre des éléments peuvent être présentés sous
forme de réseaux. Ces données peuvent être binaires, comme une
présence/absence de relation, quantifiées, continues, où être valuées
sur d'autres espaces. Pour construire un modèle probabiliste adapté à
ces données des hypothèses sont nécessaires. Des hypothèses
d'appartenance des nœuds à des classes latentes et une indépendance de
la loi sur les lien conditionnellement à la loi sur les nœuds conduit à
des modèles de type SBM (Stochastic Block Models). Il est possible de
relacher la contrainte sur l'espace latent à valeurs discrètes pour se
placer dans un espace latent à valeurs continues, ce qui conduit à des
modèles de type MMSBM. (Mixed Membership SBM).

Il est également possible de disposer d'information extérieures pouvant
être introduites sous forme de covariables.

Cette présentation introduira les modèles de graphes à classes latentes
de type SBM, avec ou sans covariables pour diverses lois de
probabilités sur les liens. Elle présentera l'extension à la classe
latente continue, et introduira une méthode d'estimation basée sur le
Variational-EM.