Au cours des dernières décennies, la digitalisation des systèmes médicaux a ouvert la voie à de nouvelles opportunités de recherche en santé publique en rendant accessibles des données de santé à grande échelle via les entrepôts de données de santé. Cependant, l'exploitation de ces données dans des études épidémiologiques nécessite une étape primordiale de préparation des données, qui consiste notamment à identifier et caractériser les patients ciblés par l'étude. Au travers de ces données numériques, il faut retrouver des phénotypes d'intérêt pour une étude. On parle alors de « phénotype computationnel ». Or, il n'existe pas à ce jour de consensus sur l'approche à suivre pour concevoir un phénotype computationnel, ni même sur sa définition. D'ailleurs, les définitions existant dans la littérature se contredisent parfois, générant ainsi des confusions autour de ce concept. Pour y remédier, nous proposons dans cet article une analyse de l'état de l'art centrée sur le concept de phénotype computationnel. Nous identifions ainsi cinq dimensions à travers desquels les phénotypes computationnels peuvent être caractérisés, classifiés ou différenciés.