Les systèmes de recommandation visent à améliorer la satisfaction des utilisateurs d'un service en ligne en leur suggérant des ressources correspondant à leurs préférences. Nous cherchons à améliorer la qualité des recommandations faites aux utilisateurs et à diminuer la taille des modèles de recommandation. Pour atteindre ces objectifs, nous proposons une ap- proche originale de sélection de communautés locales qui exploite le rapport entre la similarité au sein et en dehors des communautés. Nous proposons également une nouvelle approche de la recommandation, exploitant un ensemble réduit d'utilisateurs : des leaders d'opinions. Nous montrons que les communautés ainsi formées améliorent la qualité des recommandations et que l'approche par leaders permet de réduire de plus de 80 % la taille du modèle tout en fournissant des recommandations de qualité et une couverture importante.