Description : L’étiologie des maladies psychiatriques est encore mal connue, malgré d’importants
progrès en neurosciences et en psychopharmacologie. La limite que rencontrent ces
approches tient probablement à l’absence de modèles explicatifs permettant de lier
causalement les symptômes psychiatriques et les données neurobiologiques. Cette thèse
aborde une nouvelle approche théorique de la psychopathologie, la psychiatrie computationnelle,
dont l’objectif est de proposer et de tester empiriquement des hypothèses quant aux
algorithmes implémentés par le cerveau, à l’origine des comportements observés. Pour
cela, nous présentons deux grands types de modèles computationnels. Premièrement,
les modèles issus de l’apprentissage par renforcement et de la neuro-économie, permettent
de redéfinir les symptômes traduisant une altération de la prise de décision (addiction,
impulsivité, compulsions, apathie). Deuxièmement, nous examinons en quoi les modèles
bayésiens d’inférence probabiliste apportent un éclairage sur les symptômes psychotiques.
Enfin, nous discutons dans un troisième temps les limites et perspectives de l’approche
computationnelle en psychiatrie.;