L’étude des réseaux sociaux ainsi que les comportements de leurs utilisateurs a levé beau- coup de questions et mené à la création de nombreux modèles tentant de régénérer artificielle- ment les agissements observés. Ces résultats peuvent être utilisés afin de prédire les réponses des utilisateurs face à certains stimuli et possiblement en anticiper l’évolution. Un tel usage est notamment répandu dans le domaine de la publicité et du placement de produits (initié par Domingos et Richardson (2001)) ou encore en médecine et santé publique pour l’anticipation et le traitement des épidémies (Dodds et Watts (2005)). Deux modèles ont été initialement décrits pour tenter de caractériser les différentes facettes de ce problème, respectivement la propagation par seuil d’activation ou par cascade indépen- dante, par la suite reconnus comme appartenant à un modèle plus général introduit par Kempe et al. (2003). Après étude de la bibliographie disponible, nous nous sommes rendus compte que le grand nombre de modèles disponibles pouvait devenir désavantageux dès lors où la per- sonne désirant émuler une propagation n’avait qu’une idée approximative du modèle pouvant lui convenir pour s’approcher au mieux de son cas d’étude. Cette réflexion nous a amené à nous demander comment un utilisateur pouvait effectivement sélectionner ou comparer des modèles lui paraissant appropriés. Entre autres, les pistes auxquelles nous nous sommes intéressés nous ont également amené à nous pencher vers la visualisation et sur certains de ses aspects pouvant être exploités pour mener à bien cette tâche.