Le classement d'entités est à la base de la production de nouvelles connaissances que ce soit pour identifier des concepts, ou bien pour propager des propriétés aux membres d'une classe. De très nombreuses méthodes de classification ont vu le jour. Les méthodes récentes de recherche de communautés dans les réseaux sociaux apportent un nouvel éclairage dans le domaine. Dans un premier temps les travaux ont porté principalement sur la détection de communautés partitionnées dans les graphes unipartis non orientés. A l'inverse tant la détection de communautés dans les graphes bipartis que le recouvrement de communautés dans les deux types de graphes ont été beaucoup moins explorés. Partant des graphes bipartis nous proposons dans cet article une méthode simple et originale qui unifie la détection de communautés partitionnées et leur recouvrement dans les graphes bipartis, les graphes unipartis non orientés et les graphes orientés. Nous montrons sur des exemples concrets comment notre méthode peut s'étendre à l'analyse de données plus générales et permet d'extraire de la connaissance en juxtaposant le partitionnement et le recouvrement.