(fr) Dans le monde moderne, les réseaux sociaux deviennent une partie essentielle de nos vies. La nature des connexions entre les individus influence la probabilité de diffusion. Dans cette thèse de doctorat, j'analyse la diffusion d'une opinion, l'adoption d'un nouveau produit ou d'une nouvelle technologie dans la société. Dans le chapitre 1, nous présentons les principales approches de modélisation de l'apprentissage social. Dans le chapitre 2, nous présentons une extension du modèle DeGroot, où nous considérons un jeu de formation d'opinion compétitive dans une société jouée par trois persuadeurs concurrents qui ont des opinions différentes sur une certaine question. Nous montrons que la condition de l'existence d'équilibres symétriques de Nash est que l'influence relative d'une cible potentielle doit être au moins deux fois plus élevée que celle de tout autre individu du réseau. Dans le chapitre 3, nous considérons un modèle où les agents mettent à jour leur opinion de manière mixte - une combinaison d'approches Bayésienne et DeGroot. Nous montrons qu'il y a un apprentissage réussi si tous les agents se mettent à jour de manière mixte. Cependant, un comportement obstiné empêche la convergence, entraînant une fluctuation persistante de l'opinion. Fait intéressant, au moins un agent Bayésien peut surmonter l'effet négatif des individus obstinés. Dans le chapitre 4, nous étudions un jeu de coordination sur un réseau fixe connecté où les joueurs doivent choisir entre deux projets. Nous montrons que, lorsque tous les joueurs sont prévoyants, la coordination complète entre les joueurs modérés est atteinte. Lorsqu'il y a des agents myopes et prévoyants, l'ensemble des profils de stratégie stables est un raffinement de l'ensemble des profils de stratégie d'équilibre de Nash.