Les données issues des réseaux sociaux suscitent l'intérêt des chercheurs qui développent des algorithmes et des modèles d'apprentissage automatique pour analyser les interactions et les comportements des utilisateurs. Ces méthodes s'appuient sur la topologie du réseau pour représenter les changements structurels et pour détecter des précurseurs remarquables précédant généralement des évènements majeurs. L'étude présentée dans cet article vise à étudier si certains graphlets (motifs spécifiques) peuvent être considérés comme des précurseurs d'évènements. Nous expérimentons la méthode proposée sur trois ensembles de données de réseaux sociaux. Nous étudions également le rôle joué dans les graphlets (orbites) par les noeuds ayant une position centrale dans le graphe global. Après analyse des résultats, nous montrons que les graphlets constituent des précurseurs d'évènements à considérer.