# deepnote-jupyter-successor-ai-first-github-2025-11-07

## Veille

Deepnote - Successeur Jupyter avec AI agent natif - Format .deepnote YAML - Extensions VS Code/Cursor/Windsurf - Open Source - GitHub 1.5k stars

## Titre Article

Deepnote: the data notebook for the AI era

## Date

2025-11-07

## URL

https://github.com/deepnote/deepnote

## Keywords

Deepnote, Jupyter, notebooks, data science, AI agent, format .deepnote, YAML, open source, VS Code extension, Cursor, Windsurf, JupyterLab, block-based architecture, reactive execution, version control, collaboration temps réel, Python, R, SQL, data visualization, @deepnote/blocks, @deepnote/convert

## Authors

Deepnote Team (Johnny Carrot et contributeurs)

## Ton

**Profil:** Produit open-source | Première personne collective organisationnelle | Informatif-promotionnel | Intermédiaire

L'équipe Deepnote adopte une voix marketing produit open-source positionnant la solution comme "successeur de Jupyter" dans l'ère de l'IA. La structure tableau comparatif + propositions de valeur (format lisible par l'humain, architecture par blocs, "work wherever") témoigne d'une stratégie de positionnement produit. Le langage des praticiens data science (notebooks, exécution réactive, compatibilité kernel) vise les data professionals et les équipes de recherche. Ton éducatif-promotionnel typique des projets open-source, équilibrant profondeur technique et accessibilité. L'accent sur la collaboration et le design AI-native reflète les priorités des workflows data science modernes. La section de remerciements envers la communauté Jupyter inscrit l'innovation dans une narration respectueuse. Typique des startups open-source financées par le capital-risque (Observable, Hex, Mode) construisant les outils data de nouvelle génération pour des équipes cherchant une expérience notebook collaborative moderne.

## Pense-betes

- **Successeur de Jupyter** avec design AI-first et kernel compatible
- **500,000+ data professionals** utilisateurs (Estée Lauder, SoundCloud, Statsig, Gusto)
- **Format .deepnote YAML** remplace .ipynb JSON - human-readable, version-control friendly
- **Architecture block-based** : SQL, inputs, charts au-delà des code cells classiques
- **Reactive notebook execution** : re-runs automatique des blocs dépendants
- **Extensions disponibles** : VS Code, Cursor, Windsurf, JupyterLab
- **@deepnote/blocks** : TypeScript types pour blocks (Code, SQL, Text, Markdown, Input, Viz, Button, Big Number, Image)
- **@deepnote/convert** : CLI tool conversion .ipynb ↔ .deepnote
- **Deepnote Cloud** : scaling team avec compute cloud, collaboration temps réel, AI agent
- **Deepnote Open Source** : travail local avant scale cloud
- **1.5k stars GitHub** - License Apache-2.0 - 14 contributeurs
- **Gratuit pour académiques** : étudiants et enseignants accès illimité
- **Roadmap** : UI locale, AI agent local, bring your own keys, run your own compute
- **Multi-languages** : Python, R, SQL supportés
- **Built on Jupyter kernel** : compatibilité complète notebooks existants
- **Native integrations** : database & API connections intégrées

## RésuméDe400mots

Deepnote est un projet open-source positionnant comme successeur moderne de Jupyter, conçu pour l'ère de l'intelligence artificielle. Utilisé par plus de 500,000 data professionals dans des entreprises comme Estée Lauder, SoundCloud et Statsig, Deepnote combine la compatibilité Jupyter avec des fonctionnalités AI-native et une expérience collaborative avancée.

**Innovation de format**

Le format `.deepnote` remplace le JSON verbeux de `.ipynb` par une structure YAML human-readable optimisée pour le version control. Ce format organise multiples notebooks, intégrations et settings dans un seul projet .deepnote, facilitant la structure et la collaboration. L'outil CLI `@deepnote/convert` permet une conversion bidirectionnelle seamless entre formats Jupyter et Deepnote.

**Architecture extensible**

Deepnote introduit une architecture block-based au-delà des code cells traditionnelles. Via le package `@deepnote/blocks`, les utilisateurs accèdent à des blocks pour SQL queries, inputs interactifs, visualisations, boutons, big numbers, images et séparateurs. Ces blocks sont définis et validés en TypeScript, offrant type safety et extensibilité. L'exécution reactive des notebooks garantit que les blocks dépendants se ré-exécutent automatiquement quand inputs ou données changent, maintenant cohérence et reproductibilité.

**Écosystème multi-IDE**

Le projet open-source fournit des extensions officielles pour les éditeurs AI-native modernes : VS Code, Cursor, Windsurf et JupyterLab. Cette stratégie "work wherever" permet aux data scientists de développer localement dans leur IDE préféré, puis de scaler vers Deepnote Cloud pour collaboration temps réel avec compute cloud robuste.

**Stratégie cloud-local hybride**

Deepnote Open Source permet le développement local complet, tandis que Deepnote Cloud offre managed compute, native AI agent, partage via lien, intégrations database/API natives et collaboration synchrone. Cette approche hybride adresse les besoins de data scientists individuels (local, gratuit, contrôle total) et d'équipes (collaboration, compute scalable, gouvernance).

**Roadmap et vision**

La roadmap inclut l'UI locale Deepnote Cloud, un AI agent local, support bring-your-own-keys pour services AI et capacité run-your-own-compute. Ces développements visent à offrir l'expérience Deepnote Cloud complète en local pour utilisateurs nécessitant data sovereignty ou travaillant sur données sensibles.

**Positionnement vs Jupyter**

Le tableau comparatif souligne zero setup (cloud ou local vs installation locale), AI features natives (agent et code completion vs extensions tierces), version control intégré (Git natif vs workflow manuel), sharing simplifié (lien vs export manuel), managed compute (cloud vs ressources locales uniquement) et intégrations natives (databases/APIs vs configuration manuelle).

**Communauté académique**

Deepnote Cloud est gratuit pour étudiants et enseignants avec accès illimité aux fonctionnalités core, cloud compute et collaboration temps réel. Le projet encourage citations académiques et contribue à l'écosystème open-source data science.

**Héritage Jupyter**

Les acknowledgements rendent hommage à la communauté Jupyter et son impact depuis 2013, positionnant Deepnote comme extension naturelle de cet héritage vers le futur AI-native et collaboratif, tout en contribuant activement au même écosystème open.

## GrapheDeConnaissance

- Deepnote —remplace→ Jupyter (TECHNOLOGIE, 0.95)
- Deepnote —utilise→ format .deepnote (TECHNOLOGIE, 0.98)
- format .deepnote —remplace→ format .ipynb (TECHNOLOGIE, 0.97)
- Deepnote —est_basé_sur→ Jupyter kernel (TECHNOLOGIE, 0.97)
- Deepnote —utilise→ AI agent natif (TECHNOLOGIE, 0.95)
- Deepnote —mesure→ 500 000 utilisateurs (MESURE, 0.92)
- Deepnote —s_applique_à→ VS Code (TECHNOLOGIE, 0.98)
- Deepnote —s_applique_à→ Cursor (TECHNOLOGIE, 0.98)
- Deepnote —s_applique_à→ Windsurf (TECHNOLOGIE, 0.98)
- @deepnote/blocks —permet→ types de blocs notebooks (CONCEPT, 0.93)
- @deepnote/convert —permet→ conversion notebooks Jupyter ↔ Deepnote (CONCEPT, 0.95)
- Deepnote —utilise→ exécution réactive (CONCEPT, 0.9)
- Johnny Carrot —collabore_avec→ Deepnote (ORGANISATION, 0.85)
- Deepnote Cloud —permet→ collaboration temps réel (CONCEPT, 0.97)
- Deepnote —utilise→ licence Apache-2.0 (CONCEPT, 0.99)

---
Canonical: https://www.thekb.eu/en/fiches/deepnote-jupyter-successor-ai-first-github-2025-11-07/