Les réseaux sociaux sont devenus des outils de communication primordiaux et sont utilisés quotidiennement par des centaines de millions d’utilisateurs. Tous ces utilisateurs n’ont pas le même comportement sur ces réseaux. Si certains ont une faible activité, publient rarement des messages et suivent peu d’utilisateurs, d’autres, à l’opposé, ont une activité importante, avec de nombreux abonnés et très publient régulièrement. Le rôle important de ces utilisateurs influents en font des cibles intéressantes pour de nombreuses applications, par exemple pour la surveillance ou la publicité. Après une étude des méta-donées de ces utilisateurs, afin de d´détecter des comptes anormaux, nous présentons une approche permettant de d´détecter des utilisateurs devenant populaires. Notre approche s’appuie sur une modélisation de l’évolution de la popularité sous la forme de motifs fréquents. Ces motifs décrivent les comportements de gain en popularité. Nous proposons un modèle de matching des motifs permettant d’être utilisé avec un flux de données et, nous montrons sa capacité à passer à l’échelle en le comparant à des modèles classiques. Enfin, nous présentons une approche de clustering basé sur le PageRank. Ces travaux permettent d’identifier des groupes d’utilisateurs partageant le même rolex, en utilisant les graphes ’interactions qu’ils génèrent.