Dans de nombreux contextes, des ensembles d'entit s en relation peuvent tre mod lis s par des graphes, dans lesquels les entit s individuelles sont repr sent es par des sommets et les relations entre ces entit s par des liens. Ces graphes, que nous appellerons "graphes de terrain," peuvent tre rencontr s dans le monde r el dans diff rents domaines tels que les sciences sociales, l'informatique, la biologie, le transport, la linguistique, etc. La plupart des graphes de terrain sont compos s de sous-graphes denses faiblement inter-connect s appel s communaut s et de nombreux algorithmes ont t propos s afin d'identifier cette structure communautaire automatiquement. Nous nous sommes int ress s aux probl mes des algorithmes de d tection de communaut s, notamment leur non-d terminisme et l'instabilit qui en d coule. Nous avons pr sent une m thodologie qui permets d'am liorer les r sultats obtenus avec les techniques actuelles de d tection de communaut s. Nous avons propos une approche bas e sur le concept de communaut s fortes ou coeurs de communaut s et nous avons montr l'am lioration apport e par notre approche en l'appliquant des graphes r els et artificiels.