La recherche de liens conceptuels fréquents (FCL) est une nouvelle approche de clustering de réseaux, qui exploite à la fois la structure et les attributs des noeuds. Bien que les travaux récents se soient déjà intéressés à l'optimisation des algorithmes de recherche des FCL, peu de travaux sont aujourd'hui menés sur la complémentarité qui existe entre les liens conceptuels et l'approche classique de clustering qui consiste en l'extraction de communautés. Ainsi dans ce papier, nous nous intéressons à ces deux approches. Notre objectif est d'évaluer les relations potentiellement existantes entre les communautés et les FCL pour comprendre la façon dont les motifs obtenus par chacune des méthodes peuvent correspondre ou s'intersecter ainsi que la connaissance utile résultant de la prise en compte de ces deux types de connaissance. Nous proposons pour cela un ensemble de mesures originales, basées sur la notion d'homogénéité, visant à évaluer le niveau d'intersection des FCL et des communautés lorsqu'ils sont extraits d'un même jeu de données. Notre approche est appliquée à deux réseaux et démontre l'importance de considérer simultanément plusieurs types de connaissance et leur intersection.