L’hétérogénéité dans les réseaux peut être modélisée en attribuant à chaque noeud une couleur ou une position dans un espace latent. Dans le cas des couleurs, les probabilités de connexion entre noeuds ne dépendent que des couleurs des noeuds, qui correspondent ainsi à des profils sociaux dans le réseau. Une question importante est en particulier celle de la classification non supervisée, visant à retrouver les couleurs à partir du réseau observé. Dans le cas des positions, on suppose que les arêtes sont d’autant plus probables que les sommets sont proches selon une métrique donnée. Le problème posé est de retrouver la structure en clusters de la densité des positions latentes à partir uniquement du réseau observé. On utilise pour cela les composantes connexes de sous-graphes biens choisis. La problématique commune à ces deux problèmes est le développement d’algorithmes rapides et consistents dans ces modèles, notamment pour traiter efficacement de grands graphes.