La détection précoce des maladies rétiniennes constitue l’un des moyens les plus importants de prévenir la cécité partielle ou permanente chez les patients. Dans cette recherche, un nouveau système de classification multi-label est proposé pour la détection de plusieurs maladies rétiniennes, en s’appuyant sur des images de fond d’œil issues de diverses sources. Tout d’abord, un nouveau jeu de données multi-label pour les maladies rétiniennes, nommé MuReD, est construit à partir de plusieurs jeux de données publics disponibles pour la classification des maladies du fond d’œil. Ensuite, une série d’étapes de post-traitement est appliquée afin d’assurer la qualité des données d’image et la diversité des maladies présentes dans le jeu de données. Pour la première fois dans le domaine de la classification multi-label des maladies du fond d’œil, un modèle basé sur les transformateurs, optimisé par une série d’expérimentations approfondies, est utilisé pour l’analyse d’image et la prise de décision. De nombreuses expérimentations sont menées afin d’optimiser la configuration du système proposé. Les résultats montrent que l’approche proposée surpasse les méthodes de pointe actuelles de 7,9 % et 8,1 % en termes de score AUC pour la détection des maladies et la classification des maladies, respectivement. Ces résultats renforcent davantage le potentiel des architectures basées sur les transformateurs dans le domaine de l’imagerie médicale.