L’Open Brain Platform (OBP) permet aux scientifiques de construire, simuler et publier des modèles numériques du cerveau, des canaux ioniques aux neurones uniques, aux circuits et aux régions cérébrales. J’en étais le seul designer produit, product owner du Virtual Lab et ingénieur frontend, du Blue Brain Project de l’EPFL en 2022 au lancement public de l’Open Brain Institute en 2025.
L’Open Brain Platform (OBP) permet aux scientifiques de construire, simuler et publier des modèles numériques du cerveau, des canaux ioniques aux neurones uniques, aux circuits et aux régions cérébrales. J’en étais le seul designer produit, product owner du Virtual Lab et ingénieur frontend, du Blue Brain Project de l’EPFL en 2022 au lancement public de l’Open Brain Institute en 2025.
À la fin de Blue Brain, l’équipe est passée de 142 à 32 personnes et le produit devait faire vivre l’institut : 600 nouveaux laboratoires virtuels par an, plus des subventions et des partenariats universitaires. Aucun produit ne couvrait tout le parcours, et ses utilisateurs étaient des experts aux besoins très différents.
110 entretiens individuels (86 chercheurs, 24 chercheurs en médecine), 30–34 ateliers et sessions de co-création, et des tests par tâches avec questionnaires et débriefs collectifs. Après le lancement, les données d’usage nous disaient qui appeler.
Une plateforme organisée selon la façon dont les expériences se mènent réellement, où la recherche décidait de ce qui était livré : un visualiseur 2D par couches au lieu d’un cerveau 3D, des modes d’affichage et une carte de provenance pour les circuits, et un validateur qui a transformé l’import en tâche guidée.
1,200+Laboratoires virtuels
Créés au cours des 18 mois qui ont suivi le lancement public de mars 2025, soit environ 1,3× le rythme visé de 600 par an.
86% → 8%Rebond du visualiseur de circuits
Après la mise en ligne des modes d’affichage et de la carte de provenance. Mesuré dans Matomo.
2,1k → 30k+Entités importées
De l’import entité par entité au validateur multi-entités.
12Universités partenaires
En Europe, aux États-Unis et en Chine, pour la recherche et l’enseignement.
Tous les écrans de cette page utilisent des données fictives : les recherches menées sur OBP appartiennent aux scientifiques et sont confidentielles.
Seul designer produit de l’équipe. Product owner du Virtual Lab (membres, projets, crédits), de Help & Feedback et de Reports (publication scientifique). Ingénieur frontend.
2022 – 2026. Du Blue Brain Project de l’EPFL à l’Open Brain Institute. Lancement public en mars 2025.
32 personnes (142 au départ) : 18 scientifiques, 4 ingénieurs full-stack, 4 backend, 3 visualisation et 2 HPC, et moi. Direction : un CEO, un CTO, un Chief Science Officer et 2 chefs de projet.
01
600 nouveaux laboratoires virtuels par an, ou plus d’institut.
OBP est né au sein du Blue Brain Project de l’EPFL, comme outil pour ses propres scientifiques. À la fin du projet, l’Open Brain Institute l’a repris avec 32 des 142 personnes d’origine et une nouvelle mission : la plateforme devait désormais faire vivre l’institut. Les objectifs étaient explicites : 600 nouveaux laboratoires virtuels par an, des subventions pour étendre la simulation à l’échelle des régions cérébrales et du cerveau entier, et des partenariats avec des universités. Personne d’autre ne couvre tout le parcours. L’Allen Institute propose un atlas et des explorateurs ; d’autres outils simulent un ou deux neurones. OBP devait mener un scientifique de l’exploration des données à la construction, à la simulation et à la publication, en un seul endroit.
L’accueil du laboratoire virtuel : trois portes d’entrée (explorer les données, lancer un workflow, partir d’un notebook) et un assistant capable de piloter toute la plateforme.
02
Quatre ans à écouter des scientifiques qui connaissent leur domaine bien mieux que n’importe quel designer.
La recherche ne s’est pas arrêtée au lancement. Chaque version passait par la même boucle, et les données d’usage nous disaient à qui parler ensuite.
110Entretiens
En individuel : 86 chercheurs et 24 chercheurs en médecine.
30–34Ateliers
Ateliers thématiques (visualisation de modèles, analyse de simulations) et sessions de co-création de 4 à 12 personnes.
Tests par tâches
Les utilisateurs réalisent de vraies tâches (explorer des données, lancer un workflow, construire un modèle de neurone), puis remplissent un questionnaire.
Débrief collectif
Ce qui était difficile, où ils ont bloqué, ce qu’ils changeraient ou ajouteraient.
Livrer et mesurer
Matomo montre où les utilisateurs décrochent, et qui contacter ensuite.
Deux personas principaux, chacun ancré dans une partie du produit.
Construisent des modèles, des canaux ioniques aux circuits. Ils ont besoin de rigueur, de provenance et de contrôle sur chaque paramètre.
Travaillent sur Parkinson, Alzheimer, la SLA et d’autres maladies neurodégénératives. Ils ont besoin de simuler, pas de modéliser à partir de zéro.
Étudiants et enseignants en neurosciences, et équipes d’IA qui utilisent des circuits biologiques pour entraîner des modèles autrement.
03
Trois découvertes qui ont renversé ce que nous pensions que les utilisateurs voulaient.
Un cerveau 3D interactif serait la manière la plus engageante d’entrer dans les données : un point d’entrée spatial et visuel pour parcourir les régions cérébrales et tout ce qui y a été enregistré, des morphologies à l’électrophysiologie.
Les chercheurs trouvaient la vue 3D imprécise, et elle ne disait rien de la façon dont les régions cérébrales se connectent. Ils ont demandé une vue 2D détaillée montrant les relations avec les zones voisines.
Un visualiseur 2D couche par couche, utilisé par défaut, qui montre le type de connexion avec les régions adjacentes.
Plus de trafic dans Explore, en particulier Data. Des mots de remerciement de scientifiques. Un partenariat avec une entreprise qui produit des données biologiques précises sur le cerveau, pour enrichir les vues 2D. Et de nouvelles demandes, comme des dendrogrammes.
Un circuit contient une quantité énorme d’informations : concentration de synapses, densité de boutons, épaisseur des couches, et plus encore. Le visualiseur les montrait à l’un de deux extrêmes. Soit tout à la fois, ce qui était illisible, soit si peu que rien n’était exploitable.
Les utilisateurs quittaient le visualiseur de circuits : 86 % de rebond. Beaucoup faisaient des captures d’écran et écrivaient au support pour demander ce qu’ils regardaient, ou pour dire que rien n’était utilisable.
Des modes d’affichage plutôt que des filtres. Chaque mode répond à une question (concentration de synapses, densité de boutons, épaisseur des couches), et le même circuit peut se lire sous forme de tableau, en 2D ou en 3D.
Avec la carte de provenance, le rebond sur le visualiseur de circuits est passé de 86 % à 8 %. L’utilisabilité a cessé d’être un sujet dans les ateliers.
Chaque entité, comme un modèle de neurone unique, n’était liée qu’à la source dont elle avait été créée ou extraite. Pour connaître toute son histoire (d’où elle venait et où elle avait été réutilisée), les scientifiques devaient suivre ces liens un par un et reconstituer la chaîne eux-mêmes.
Retracer d’où venait un modèle de neurone, et où il avait été réutilisé, était pénible. C’est précisément ce dont les scientifiques ont besoin pour décider ce qui vaut la peine d’être extrait et cité dans un article.
Une carte interactive des relations, avec des filtres avancés, pour retracer l’origine et la réutilisation de n’importe quelle entité sur la plateforme.
Les scientifiques peuvent juger ce qui vaut la peine d’être consulté, extrait et utilisé dans des publications. Avec les modes d’affichage, cela a fait passer le rebond du visualiseur de circuits de 86 % à 8 %.
86% → 8%Taux de rebond du visualiseur de circuits
Avant : des scientifiques qui faisaient des captures d’écran du visualiseur et écrivaient au support pour demander ce qu’ils regardaient. Après : les modes d’affichage et la carte de provenance.
Mesuré dans Matomo. Les fonctionnalités ont été publiées et présentées lors d’un atelier public avec des scientifiques, deux semaines après leur mise en œuvre complète.
04
Choisir quoi construire, et quoi ne pas construire.
Les workflows sont au cœur d’OBP. Avec des scientifiques et le comité de direction, j’ai animé des ateliers pour organiser tout ce que fait la plateforme en quelques verbes (Build, Simulate, Extract, Optimize, Validate), puis testé trois façons d’y accéder.
Choisir une catégorie, puis un type (canal ionique, synaptome, circuit…), puis réutiliser un workflow existant ou en créer un nouveau.
Trop complexe, et cela inversait l’ordre naturel dans lequel les scientifiques mènent une expérience.
Le tableau d’activité est conservé pour parcourir et explorer les workflows existants.
PrincipeL’interface suit l’ordre dans lequel les scientifiques mènent réellement une expérience.
Chaque workflow partage la même structure : une configuration guidée à gauche, et le contexte nécessaire pour décider à droite.
Les entités étaient importées une par une, et chacune devait correspondre exactement au schéma et à la taxonomie d’OBP : de nombreux champs, des conventions strictes, des données typées. Préparer un seul import n’était jamais rapide, encore moins le jeu de données complet d’un laboratoire.
Les imports doivent respecter le schéma et la taxonomie d’OBP : de nombreux champs, des conventions strictes, des données typées. Nous ne pouvions pas remplacer en silence les données des scientifiques par les nôtres. Ils devaient les corriger eux-mêmes, et comprendre pourquoi.
Le validateur : un tableau de type tableur qui signale erreurs et avertissements par cellule, ligne et colonne, puis importe un lot propre. Il a fallu plusieurs itérations pour le rendre simple et rapide. Les modifications par lot ont été le plus difficile, car un changement pouvait provoquer des erreurs ailleurs.
Les entités importées sont passées de 2 100 avec l’import unitaire à 30 000+ avec l’import multi-entités. Quand les données d’usage ont montré que des utilisateurs importaient des lots de 100, nous les avons contactés et avons simplifié le parcours avec leurs retours. Chaque mois, 10 à 20 utilisateurs de plus importent 50+ entités.
J’ai construit la roadmap avec le CTO et les responsables scientifiques, et chaque vendredi je défendais mes tickets et mes priorités avec RICE et la matrice impact/effort. Certaines des décisions les plus importantes ont été des refus.
Les scientifiques voulaient mettre en avant leurs meilleurs travaux. Mais ces cas étaient si complexes qu’ils masquaient comment prendre en main les outils. La page d’accueil doit permettre à un nouveau laboratoire de démarrer.
Un laboratoire virtuel est l’endroit où les projets démarrent, pas celui où le travail se fait. Les administrateurs invitent des chercheurs et gèrent le budget ; les membres rejoignent des projets.
PrincipeUn laboratoire virtuel est un espace administratif. C’est dans les projets que la science se fait.
On pense en dollars, en euros ou en francs. La difficulté était de savoir ce qu’un crédit OBP permet réellement d’acheter, et s’il paie le calcul ou le stockage.
La transparence des coûts partout, pas seulement au lancement : un détail avant l’exécution des simulations et, comme je l’ai défendu, des exemples en direct de ce qu’un montant de crédits permet de faire, pendant la saisie. Les responsables de laboratoire achètent des crédits et attribuent des budgets aux projets, comme dans un vrai laboratoire.
Les notebooks Jupyter sont la norme en science. Demander aux chercheurs d’apprendre l’architecture d’OBP, de restructurer leur expérience et de la relancer, avec de nouveaux risques d’erreur, freinait l’adoption. Les notebooks tournent donc nativement dans OBP : les scientifiques démarrent dans un environnement familier, et j’ai proposé des astuces dans leurs notebooks qui renvoient vers l’outil OBP natif réalisant la même étape. Des notebooks prêts à l’emploi montrent aussi ce que la plateforme sait faire.
05
Je l’ai conçu, puis j’en ai développé une grande partie.
Le code faisait partie de mon processus de design : j’ai prototypé l’atlas des circuits et Explore comme preuves de concept, et livré de bout en bout les parties dont j’étais responsable.
Accueil du laboratoire virtuel et navigateur de projets Alertes et messages système Aide et feedback Reports, où les scientifiques rassemblent les modèles et simulations qu’ils ont générés en un article scientifique complet : relecture par les pairs avec commentaires, retours et discussions isolées, un parcours du brouillon à la publication, et des visualiseurs de simulation et fiches d’entités intégrés, comme les morphologies de neurones et l’électrophysiologie
openbraininstitute.org, développé de bout en bout.
Premières preuves de concept pour l’atlas des circuits et Explore.
L’OBI Assistant peut piloter toute la plateforme : naviguer, construire des modèles, lancer des simulations, ouvrir des notebooks. Développé par Jan, Nicolas et Boris de l’équipe ML ; j’ai conçu et développé son interface.
06
Ce que le travail a produit.
Ils explorent des données fiables : une vue 2D précise par défaut, des modes d’affichage qui répondent à une question à la fois, et la provenance complète de chaque modèle. Des mots de remerciement ont suivi, et l’utilisabilité a cessé d’être un sujet dans les ateliers.
Ils corrigent leurs propres données avant l’import, dans un validateur de type tableur, au lieu d’importer une entité à la fois : de 2 100 à 30 000+ entités importées.
Ils voient le coût d’une simulation avant son lancement, et attribuent des budgets aux projets comme dans un vrai laboratoire.
Il lui fallait 600 nouveaux laboratoires virtuels par an pour exister. Les scientifiques en ont créé 1 200+ en 18 mois, avec 12 universités partenaires.
1,200+Laboratoires virtuels
En 18 mois, en partant de zéro.
12Universités partenaires
Europe, États-Unis et Chine.
51Personnes dans le plus grand laboratoire
Les laboratoires grandissent en invitant des collègues.
30k+Entités importées
Contre 2 100 auparavant.
Après les changements apportés à Explore et aux circuits, les ateliers ne soulevaient plus que des détails esthétiques. L’utilisabilité a cessé d’être un sujet.
Une entreprise qui produit des données biologiques précises sur le cerveau s’est associée à l’OBI pour enrichir les vues 2D.
Des mots de remerciement pour la 2D par défaut, et des utilisateurs qui en demandent plus, comme des dendrogrammes.
Je concevrais l’onboarding à rebours, en partant du résultat. OBP est immense, avec de nombreux outils et fonctionnalités, et les nouveaux venus voient les étapes bien avant d’en voir l’intérêt. Chaque workflow s’ouvrirait sur une conversation avec l’OBI Assistant autour d’une vraie publication : voici le résultat, voici la figure. De là, les utilisateurs pourraient remonter le temps et comprendre ce qui a mené à chaque résultat et à chaque artefact, avant de construire les leurs.
