La photographie du fond d'œil est couramment utilisée en pratique clinique pour documenter la présence et la gravité des maladies dégénératives rétiniennes telles que la dégénérescence maculaire liée à l'âge (DMLA), le glaucome et la rétinopathie diabétique (RD), pour lesquelles la fovéa et le disque optique (DO) sont des repères rétiniens importants. Cependant, l'apparition de lésions, de druse et d'autres anomalies rétiniennes lors de la dégénérescence rétinienne complique considérablement la détection et le segmentage automatiques des repères. Nous proposons ici HBA-U-Net : une architecture U-Net enrichie par une attention hiérarchique à travers un bloc d'attention bottleneck novateur qui combine et affine l'auto-attention, l'attention par canal et l'attention relative à la position pour mettre en évidence les anomalies rétiniennes qui peuvent être importantes pour le segmentage de la fovéa et du DO dans une rétine dégénérée. HBA-U-Net a obtenu des résultats de pointe en matière de détection de la fovéa sur différents jeux de données et conditions oculaires (ADAM : Distance Euclidienne (DE) de 25,4 pixels, REFUGE : 32,5 pixels, IDRiD : 32,1 pixels), en segmentage du DO pour la DMLA (ADAM : Coefficient Dice (CD) de 0,947) et en détection du DO pour la RD (IDRiD : DE de 20,5 pixels). Nos résultats suggèrent que HBA-U-Net pourrait être particulièrement adapté à la détection des repères en présence d'une variété de maladies dégénératives rétiniennes.