Dans ce travail, nous proposons une approche multi-agents et incrémentale pour la détection des communautés dans les réseaux sociaux dynamiques. Dans cette approche, le réseau est représenté par un graphe de dépendances qui s'adapte à l'évolution du réseau. Pour la modélisation et la mise à jour de ce graphe, nous associons à chaque membre du réseau un agent-noeud qui observe l'évolution de ce membre du réseau social et met à jour le graphe localement. Pour définir la dépendance entre deux agents, nous nous basons sur le concept d'homophilie et sur les interactions entre les membres du réseau. Nous associons également à chaque communauté un agent-communauté. La détection et la dynamique des communautés résultent des comportements et des interactions entre les différents agents. Afin d'étudier les performances de cette approche, nous l'avons appliquée à un ensemble très varié de graphes réels et artificiels. Les résultats ont été suffisamment satisfaisants et montrent la bonne performance de notre modèle.