L’une des propriétés des graphes sociaux est leur structure en communautés, c’est-à-dire en sous-ensembles où les nœuds ont une forte densité de liens entre eux et une faible densité de liens avec l’extérieur. Par ailleurs, la plupart des algorithmes de fouille des réseaux sociaux comportent une exploration locale du graphe sous-jacent, ce qui amène à partir d’un nœud, à faire référence aux nœuds situés dans son voisinage. L’idée de cet article est d’exploiter la structure en communautés lors du stockage des grands graphes qui surviennent dans la fouille des réseaux sociaux. L’objectif est de réduire le nombre de défauts de cache avec pour conséquence l’amélioration du temps d’exécution. Après avoir formalisé le problème de numérotation des nœuds des réseaux sociaux comme un problème d’arrangement linéaire optimal qui est connu comme NP-Complet, nous proposons NumBaCo, une heuristique basée sur la struture en communautés. Nous présentons pour le score de Katz et Pagerank, des simulations comparant les structures de données classiques Bloc et Yale à leurs versions exploitant NumBaCo. Les résultats obtenus sur une machine NUMA de 32 cœurs à partir des jeux de données amazon, dblp et web-google montrent que NumBaCo contribue à diminuer les défauts de cache de 62% à 80% et le temps d’exécution de 15% à 50%.