L'émergence des smartphones a donné à l'informatique mobile l'accès à la réalité quotidienne. Plus précisément, la modélisation du contexte des utilisateurs offre un moyen efficace pour adapter les réponses retournées. Ces dernières années, de nombreux sites sociaux ont intégré la notion de contexte dans leurs moteurs de recherche. En effet, avec la disponibilité des appareils mobiles et la diversité des fonctionnalités qu'ils offrent, les nouvelles approches en recherche d'information ont eu l'avantage de fournir aux utilisateurs des éléments plus pertinents et plus adaptés à leurs situations courantes. Dans cet article, nous introduisons une nouvelle approche pour la prédiction des intérêts des utilisateurs afin d'enrichir leurs requêtes et d'élargir leurs cercles sociaux. Cette approche s'appuie sur la technique de la classification associative dans le but de prédire les intérêts des utilisateurs, à partir de DBPEDIA. Ces intérêts sont ainsi utilisés dans un double objectif : (i) l'enrichissement des requêtes mobiles des utilisateurs et (ii) l'extension du cercle social des utilisateurs par la découverte de communautés combinant la technique de la marche aléatoire et la modélisation de l'ontologie FOAF. Notre évaluation expérimentale montre que notre approche améliore la qualité et la précision des résultats de recherche et permet en outre d'enrichir les relations entre les individus des réseaux sociaux réels.