Notre objectif est de concevoir et mettre en oeuvre des outils génériques d'aide à la rédaction de définitions terminographiques permettant de prédire le type de contenu exprimé dans une définition, indépendamment du domaine ou de la langue. La problématique centrale est celle de la sélection des informations définitoires. Nous faisons l'hypothèse que celle-ci dépend, en partie, du type d'entité défini. Si cette hypothèse est vérifiée, alors il est possible d'implémenter des modèles définitoires relationnels prédictifs, à la fois génériques et pertinents. Pour la tester, nous proposons d'élaborer des modèles relationnels à partir des catégories de haut niveau d'une ontologie formelle réaliste, la Basic Formal Ontology. Ces modèles sont utilisés pour annoter un corpus multi-domaines de définitions existantes. Des analyses quantitatives permettent de voir dans quelle mesure les propriétés de chaque type d'entité ont été jugées pertinentes dans des définitions. Notre étude empirique pilote montre qu'il est possible de proposer des modèles définitoires relationnels génériques pertinents.