Les systèmes de recommandation permettent la personnalisation de l'information sur le web et sur les systèmes de recherche d'information. Le Filtrage Collaboratif constitue l'une des techniques de recommandation les plus populaires. Cependant, les systèmes de Filtrage Collaboratif classique exploitent uniquement les liens directs et les préférences communes afin de modéliser les relations entre les utilisateurs. Dans cet article, nous présentons une nouvelle approche de Filtrage Collaboratif basée sur les réseaux comportementaux. Cette approche utilise les motifs de navigation pour modéliser les liens entre utilisateurs ainsi que des techniques de réseaux sociaux telle que la transitivité afin d'explorer de nouveaux liens au travers de ce réseau comportemental. La finalité d'identification de ces nouveaux liens consiste à les intégrer lors de la génération des prédictions afin d'améliorer leur qualité. Cette approche a été évaluée en termes de précision sur un corpus d'usage réel (données de navigation issues de l'Intranet du Groupe Crédit Agricole S.A.). L'expérimentation montre l'intérêt d'exploiter les nouveaux liens transitifs pour générer les prédictions. En effet, comparé à certains modèles prédictifs classiques, notre modèle améliore considérablement la précision des recommandations.