Psychiatric classifications remain indispensable clinical tools, yet they do not define mental disorders as natural entities with stable boundaries. This article examines whether artificial intelligence may simply refine existing nosologies or contribute to the emergence of a new psychiatric ontology.

We conducted a conceptual and integrative analysis combining philosophical ontology, principles of computational ontology engineering, and recent literature on artificial intelligence, digital phenotyping, knowledge representation and psychiatric classification. The aim was not to test an empirical hypothesis but to clarify the epistemic conditions under which psychiatric categories may be constructed, revised and legitimised in the era of computational models.

Artificial intelligence may act as an ontological engine by detecting latent regularities across heterogeneous data sources, including clinical descriptions, questionnaires, digital traces, language, biomarkers, neuroimaging and environmental exposures. These outputs may generate candidate concepts, such as transdiagnostic dimensions, longitudinal trajectories or hybrid clinical entities. However, statistical clusters cannot be considered ontological categories unless they meet conditions of reproducibility, clinical validity, interpretability, professional acceptability and patient meaningfulness. Conversely, explicit ontologies are necessary to make artificial intelligence systems more transparent, interoperable and clinically intelligible.

The emergence of artificial intelligence-assisted ontology in psychiatry carries major risks: confusion between correlation and clinical entity, illusion of objectivity, algorithmic opacity, digital ossification of provisional categories, neglect of subjectivity, and political or cultural capture of knowledge infrastructures. A psychiatric ontology should therefore remain dynamic, temporal, relational and pluralistic.

Artificial intelligence does not reveal the essence of mental disorders. Rather, it offers provisional maps that can reorganise clinical reasoning and research. Its contribution will be clinically and ethically valuable only if embedded within human validation loops, participatory governance, open standards and continuous revision.

Les classifications psychiatriques demeurent indispensables pour la pratique clinique, mais elles ne définissent pas les troubles mentaux comme des entités naturelles aux frontières stables. Cet article interroge la possibilité que l’intelligence artificielle ne soit pas seulement un instrument d’amélioration des nosographies existantes, mais qu’elle participe à l’émergence d’une nouvelle ontologie psychiatrique.

Nous proposons une analyse conceptuelle et intégrative articulant l’ontologie philosophique, les principes de l’ingénierie ontologique computationnelle et la littérature récente sur l’intelligence artificielle, le phénotypage numérique, la représentation des connaissances et la classification psychiatrique. L’objectif n’est pas de tester une hypothèse empirique, mais de clarifier les conditions épistémologiques, cliniques et éthiques dans lesquelles des catégories psychiatriques peuvent être construites, révisées et légitimées sous l’influence des modèles computationnels.

L’intelligence artificielle peut fonctionner comme un moteur ontologique en révélant des régularités latentes au sein de données hétérogènes : observations cliniques, questionnaires, traces numériques, langage, biomarqueurs, neuro-imagerie et expositions environnementales. Ces analyses peuvent faire émerger des concepts candidats, tels que des dimensions transdiagnostiques, des trajectoires longitudinales ou des entités cliniques hybrides. Toutefois, un regroupement statistique ne constitue pas en soi une catégorie ontologique. Pour acquérir une valeur clinique, il doit satisfaire des critères de reproductibilité, de validité, d’interprétabilité, d’acceptabilité professionnelle et de signification pour les patients. Réciproquement, des ontologies explicites sont nécessaires pour rendre les systèmes d’intelligence artificielle plus transparents, interopérables et intelligibles.

L’émergence d’une ontologie psychiatrique augmentée par l’intelligence artificielle comporte plusieurs risques : confusion entre corrélation et entité clinique, illusion d’objectivité, opacité algorithmique, rigidification numérique de catégories provisoires, effacement de la subjectivité et capture politique ou culturelle des infrastructures de connaissance. Une ontologie psychiatrique doit donc rester dynamique, temporelle, relationnelle et pluraliste. Elle doit intégrer les données objectivables sans réduire l’expérience vécue à des variables mesurables, et organiser des boucles de validation associant cliniciens, chercheurs et patients.

L’intelligence artificielle ne révèle pas l’essence des troubles mentaux. Elle propose plutôt des cartes provisoires susceptibles de renouveler le raisonnement clinique et la recherche. Sa valeur dépendra de sa capacité à s’inscrire dans une gouvernance ouverte, une validation humaine pluraliste et un processus permanent de révision critique.