Les technologies d’analyse à base de graphes sont mises en œuvre dans ce projet. La première phase consiste à extraire la structure relationnelle des données, en exploitant notamment les tags et les clics des utilisateurs. La seconde phase consiste à proposer une mesure de similarité et un clustering pour déterminer des classes d’intérêt, et enfin la dernière étape consistera à injecter les résultats pour enrichir le graphe.Concernant la première phase, des indicateurs topologiques comme la distribution des degrés ou le coefficient de clustering sont calculés à partir des graphes construits de manière à révéler des informations. La seconde phase est en cours de développement, et fournit des résultats qui permettent de recommander du contenu inter-univers aux consommateurs. Les limites observées lors de de cette phase permettent notamment d'identifier un besoin pour réaliser des analyses plus poussées (NLP) qui permettront d’améliorer ces recommandations. La construction du graphe a permis de clairement identifier, via la structure modulaire de ce dernier, l’herméticité des différents univers.