Les réseaux sociaux ont fréquemment des structures complexes comme ceux à deux modes représentés par des graphes bipartis. Plusieurs travaux sur la détection de communautés mettent l'accent soit sur l'identification de groupes disjoints ou chevauchants en procédant d'abord à la projection des données à deux modes (dimensions) en deux tables à un seul mode qui sont ensuite analysées. Cependant, cela entraîne une perte d'information et aboutit à des commu- nautés mal définies. Ainsi, la détection précise des communités dans un graphe biparti reste un défi majeur en analyse de réseaux sociaux. Dans cet article, nous introduisons une approche à trois étapes pour la détection de communautés chevauchantes et même imbriquées dans les graphes bipartis. Tout d'abord, on détermine les concepts formels à partir des données. Ensuite, les concepts ayant une valeur élevée de la moyenne de la stabilité et de la séparation sont rete- nues comme les communautés de base. Finalement, une analyse Silhouette permet de raffiner l'identification des communautés. Des tests préliminaires sur des réseaux réels montrent que notre approche permet d'identifier correctement des communautés chevauchantes.