Dans cet article, nous proposons une nouvelle méthode d'identification des communautés polarisées dans les réseaux signés. Les réseaux signés sont des réseaux dont les arêtes sont étiquetées comme positives ou négatives, indiquant soit une amitié, soit une hostilité, et offrent un cadre naturel pour l'analyse de la polarisation, de la confiance et des conflits dans les systèmes sociaux. Pour éviter les solutions déséquilibrées en taille, qui constituent un problème majeur des méthodes existantes, nous introduisons un nouvel objectif d'optimisation et concevons le premier algorithme de recherche locale adaptable aux grands réseaux tout en autorisant des sommets neutres. Nous démontrons la vitesse de convergence linéaire grâce à une connexion à l'optimisation de Frank-Wolfe par blocs, et nous démontrons, par des expériences sur des jeux de données réels et synthétiques, que la qualité des solutions surpasse systématiquement les normes de l'état de l'art tout en étant efficace en termes de calcul.
