Malgré leur intérêt, les interfaces cerveau-ordinateur (ICO) ne sont pas utilisées en soins courants dans le domaine de la rééducation post-accident vasculaire cérébral. Nous faisons l’hypothèse que l’amélioration de l’acceptabilité des ICO, obtenue par une personnalisation des protocoles, permettra aux patients d’être moins anxieux et plus engagés, et ainsi d’optimiser l’efficacité en termes de récupération motrice, mais aussi l’utilisabilité. Nous avons conçu un questionnaire basé sur notre modèle théorique d’acceptabilité des ICO, auquel 140 sujets post-AVC ont répondu. Une identification des profils de sujets avec une analyse en composante principale (ACP) puis une clusterisation (méthode Elbow et K-mean clustering) a été réalisée. Un arbre de classification a été construit pour classer les nouveaux sujets dans leur cluster. Il a été validé par « leave-one-out cross validation » (LOOV). Pour chaque cluster, nous avons effectué des régressions et des corrélations pour identifier les facteurs à personnaliser. L’ACP a permis de passer de 27 à 15 facteurs, à partir desquels nous avons obtenu 5 clusters (Fig.1A, 1B). La performance de classification en LOOV était de 65,00 % (niveau de hasard pour α=5% : 30,75%) (Fig. 1C). Les facteurs d’importance majeurs sont (N = nombre de clusters les intégrant) : pertinence scientifique (4), facilité d’apprentissage (3), balance bénéfices/risques (2), esthétique et démonstrabilité (1). Ces résultats sont intégrés dans un logiciel « plug&play » utilisable en soins courants. Un essai contrôlé randomisé multicentrique permettra d’évaluer et d’optimiser les protocoles personnalisés proposés afin que les ICO soient plus utilisables/acceptables pour les patients et les soignants.