La pleine exploitation des données enregistrées avec des multiélectrodes extracellulaires nécessite la résolution d'un problème particulier, le problème du tri des potentiels d'action (ou « spike-sorting » en anglais). Ce problème vient de la situation d'enregistrement oú chaque électrode se trouve typiquement au voisinage de plusieurs neurones actifs. Chaque électrode collecte ainsi un signal qui est un mélange des potentiels d'action des différents neurones. Cette circonstance particulière constitue à la fois la force et la faiblesse des enregistrements extracellulaires. Elle est une force car avec relativement peu d'électrodes, donc a priori un dommage faible pour le tissu, on peut suivre l'activité de nombreux neurones. Elle est une faiblesse car les données recueillies par ces enregistrements ne sont pas directement exploitables; il faut au préalable reconstituer le « discours » de chacun des neurones vus par chaque électrode. On peut en fait voir plus concrètement ce problème au moyen d'une analogie dans laquelle les électrodes extracellulaires deviennent des microphones et les neurones, des personnes relativement indisciplinées, puisqu'elles ont tendance à parler en même temps. Le problème auquel l'analyste est alors confronté est celui de la reconstruction du discours de chaque personne. On peut en fait pousser de façon fructueuse cette analogie et se dire qu'il serait peut-être intéressant d'inclure dans l'algorithme de reconstruction automatique du discours certains propriétés du signal généré par chaque personne (neurone). En particulier, certaines personnes ont une voix grave alors que d'autres ont une voix aigu (pour les neurones cela se traduit par une différence de forme des potentiels d'action). Certaines personnes parlent fort, d'autres parlent bas (de même certains neurones génèrent de grands potentiels d'action alors que d'autre n'en génèrent que des petits). Une personne peut-être proche d'un des micros et plus éloignée d'un autre de sorte que son discours est enregistré simultanément par au moins deux micros mais avec des différences d'amplitudes (de même un neurone peut-être proche d'une électrode et plus éloigné d'une autre). Certaines personnes parlent pratiquement tout le temps alors que d'autre ne font qu'acquiescer ou désapprouver de temps en temps, c'est-à-dire que la statistique du discours change d'une personne à l'autre (de même la statistique de « décharge » des potentiels d'action change d'un neurone à l'autre), etc. On voit ainsi que de nombreux paramètres décrivant des propriétés des discours isolés (des trains de PA provenant de cellule unique) peuvent être inclus dans l'algorithme et améliorer grandement, potentiellement au moins, ses performances. C'est ce type d'approche qui a conduit C Pouzat et M Delescluse de l'équipe d'Alain Marty, en collaboration avec Jean Diebolt du Laboratoire d'Analyse et de Mathématique Appliquées (CNRS UMR 8050, Université de Marne la Vallée) et Pascal Viot du Laboratoire de Physique Théorique des Liquides (CNRS UMR 7600 et Université Pierre et Marie Curie) à développer une méthode de tri des potentiels d'action, radicalement nouvelle. Cette méthode est fondamentalement basée sur une analogie du type de celle que nous venons d'exposer entre les données enregistrées par les mutliélectrodes extracellulaires et un « verre de spin de Potts ». Concrètement cela signifie qu'une fois que l'analogie avait été faite, les algorithmes étaient déjà disponibles chez les physiciens et chez les statisticiens, des adaptations somme tout mineures de ceux-ci s'étant avérées suffisantes. De plus, tout l'appareil mathématique nécessaire pour prouver le convergence de l'algorithme avait aussi déjà été développé par les statisticiens. On se retrouve ainsi avec une méthode puissante, construite sur des bases solides, qui de surcroît fourni des intervalles de confiance pertinents sur les estimations qu'elle produit.

La pertinence de la méthode ayant été démontrée à la fois sur des données simulées et sur des données réelles, nous nous sommes attachés à la rendre accessible à la communauté. Nous avons d'abord réécrit entièrement nos algorithmes sous forme d'une bibliothèque C, entièrement documentée est distribuée sous licence GPL (Gnu Public Licence, http://www.gnu.org). Avec cet outil, n'importe quel chercheur avec des compétences de base en programmation C peut adapter facilement notre méthode aux données précises auxquelles il est confronté. Par ailleurs, étant bien conscient que la grande majorité des chercheurs de notre domaine ne dispose pas des compétences minimales en C, nous avons développé une interface utilisateur qui fait usage du puissant environnement d'analyse R (http://www.r-project.org) et permet à chacun de mettre en oeuvre notre algorithme sur machine Linux (Unix) comme sur machine Windows (ou Mac). Cette interface, qui est en fait une bibliothèque de fonctions pour R est elle aussi distribuée sous licence GPL.