Notre objectif est de représenter graphiquement l'espace des économistes en France dans les années 2010. Pour cela, des données ont été rassemblées ou inférées sur 140 000 individus. Les variables retenues au niveau agrégé sont le capital scientifique, le capital académique, le capital médiatique, le capital de notoriété, le capital éditorial, le capital économique, et le domaine d'activité (secteur privé, administration, sphère politique, journalisme, enseignement secondaire, enseignants et chercheurs dans le supérieur). Au niveau désagrégé, un ensemble de 43 variables sont distinguées (e.g., le capital médiatique se décompose en un score de télévision, de radio, de presse écrite nationale et de centralité sur twitter).

Une carte auto-organisatrice a été utilisée à des fins de réduction de la dimensionnalité et de regroupement des individus en classes de similarité. Une telle carte est composée de neurones formant une grille, dans notre cas en deux dimensions. Une fois le poids des neurones initialisés (de manière aléatoire ici), la phase d'apprentissage consiste à sélectionner un économiste de la base de données (un vecteur d'entrée) et à trouver le neurone qui lui ressemble le plus (dont le vecteur de poids est le plus proche). Les poids du neurone gagnant, et à un moindre degré les poids de ses voisins, sont ajustés de telle sorte à se rapprocher du vecteur d'entrée. L'ampleur du rapprochement et du voisinage sont définis par une fonction qui diminue au fil des répétitions pour permettre une convergence.

Plusieurs représentations de l'espace des économistes sont ainsi obtenues en faisant varier la forme et la taille de la carte, en fixant différentes pondérations aux variables et en construisant des superclasses d'individus.