Récemment, de nombreux efforts ont été déployés pour concevoir une architecture en U fondée sur les transformateurs, et de nouvelles méthodes ont été proposées, surpassant les modèles basés sur les réseaux de neurones convolutifs (CNN). Toutefois, des problèmes sérieux tels que des artefacts de blocage et des bords tronqués dans les masques prédits persistent en raison des opérations de partitionnement en patches inhérentes aux transformateurs. Dans ce travail, nous proposons une nouvelle architecture en U pour la segmentation d’images médicales, en s’appuyant sur un mécanisme de modulation focal récemment introduit. L’architecture proposée présente des profondeurs asymétriques entre le encodeur et le décodeur. Grâce à la capacité du module focal à agréger à la fois des caractéristiques locales et globales, notre modèle bénéficie simultanément du champ réceptif étendu des transformateurs et de la vision locale des CNN. Cela permet à la méthode proposée d’équilibrer efficacement l’utilisation des caractéristiques locales et globales, permettant ainsi de surpasser l’un des modèles les plus puissants basés sur les transformateurs, appelé Swin-UNet. Nous avons obtenu un score DICE supérieur de 1,68 % et une métrique HD améliorée de 0,89 sur le jeu de données Synapse. De plus, avec des données extrêmement limitées, nous avons atteint un score DICE supérieur de 4,25 % sur le jeu de données NeoPolyp. Nos implémentations sont disponibles à l’adresse suivante : https://github.com/givkashi/Focal-UNet