La détection de structure communautaires est probablement l'un des sujets chauds dans les réseaux complexes mettant l'accent sur la reconnaissant d’organisations internes complexes de personnes, de molécules ou de processus derrière les réseaux sociaux, biologiques ou informatiques. Le problème est de fournir une partition réseau représentative de cette organisation afin que chaque communauté rassemble des nœuds partageant une mission, un objectif ou une propriété commune. Habituellement, l'identification est basée sur la différence entre la densité de connectivité de l'intérieur et de la frontière d'une communauté. En effet, les nœuds partageant un objectif ou une propriété commune sont censés interagir étroitement. Bien que cette règle semble être pleinement fondée, certains problèmes scientifiques importants tels que la détection des modules de maladie soulignent l'incapacité de déterminer de manière significative les communautés en suivant cette règle de connectivité. La raison principale est que la densité de connectivité n'est pas corrélée à une propriété ou à un objectif partagé. Par conséquent, la recherche d’un autre paradigme devient nécessaire pour formaliser correctement cette question afin de détecter de manière ces communautés significativement. Dans cet article, nous étudions la formation de la communauté à partir de ce nouveau principe. En considérant que les couleurs figurent formellement les propriétés partagées, l'enjeu est donc de maximiser le groupe de nœuds avec la même couleur au sein des communautés. Nous étudions ce nouveau cadre en introduisant une nouvelle mesure appelée entropie chromatique permettant d’évaluer la qualité d’une structure communautaire. Ensuite, nous proposons un algorithme résolvant la détection de structure communautaire basée sur ce nouveau paradigme de formation de communautés colorées.