CEBRA est un outil d'apprentissage machine qui utilise des techniques non linéaires pour créer des espaces latents cohérents et performants à partir de données comportementales et neuronales conjointes enregistrées simultanément. Cet outil permet de cartographier les actions comportementales sur l'activité neuronale pour une meilleure compréhension de la dynamique neuronale lors des comportements adaptatifs et peut révéler des corrélations sous-jacentes au comportement. CEBRA crée des plongements neuronaux latents qui peuvent être utilisés à la fois pour des tests d'hypothèses et des analyses orientées découverte. L'outil a été validé pour sa précision et son efficacité sur des ensembles de données de calcium et d'électrophysiologie, ainsi que dans des tâches sensorielles et motrices et dans des comportements simples ou complexes chez différentes espèces. Il peut être utilisé avec des ensembles de données d'une seule ou de plusieurs sessions et peut être utilisé sans étiquette. CEBRA peut cartographier et découvrir des caractéristiques cinématiques complexes, produire des espaces latents cohérents à travers les données à deux photons et Neuropixels, et fournir un décodage rapide et précis des films naturels provenant du cortex visuel. Le code de l'outil est disponible sur GitHub et le préprint est disponible sur arxiv.org. CEBRA est un outil utile pour les neuroscientifiques qui souhaitent analyser et décoder des données comportementales et neuronales pour révéler les représentations neuronales sous-jacentes.