Nous présentons une méthode adressant le problème de la recommandation dans la Longue Traîne, et plus généralement celui du démarrage à froid. Les contenus non populaires, peu annotés, sont difficiles à recommander. Notre originalité est duale et repose sur le fait de capturer la richesse d'annotations du Web Social d'une part, et d'autre part, d'exploiter le fait que les internautes, via un réseau social, sélectionnent eux-mêmes leurs prescripteurs de contenus. La méthode Social Popularity détecte des communautés dans un réseau social de fans de cinémas, puis calcule, contextuellement à ces communautés, des similarités entre films rares. La méthode montre des résultats préliminaires intéressants, elle permet d'augmenter notablement le taux de rappel en retrouvant d'avantage de films sélectionnés par les utilisateurs (les vrais positifs). La précision reste globalement faible comme les autres méthodes testées, ce qui montre qu'il est très difficile de diminuer le nombre de prédictions fausses.