La dégénérescence maculaire liée à l'âge (DMLA) est une maladie oculaire qui entraîne une baisse progressive de l'acuité visuelle jusqu'à la cécité. Elle est considérée comme une maladie irréversible et son diagnostic précoce est crucial pour garantir le traitement efficace des patients atteints. Son diagnostic repose sur l'analyse de la zone centrale de la rétine, appelée macula, à partir des images du fond d’œil. Malgré le succès global de ce diagnostic, il est fastidieux, perte de temps et coûteux en raison de l'immobilité et de la pénurie d'appareils de capture d'images rétiniennes dans toutes les structures médicales, en particulier dans les zones isolées. Ces limitations entraînent un retard dans le diagnostic de la DMLA et contribuent à l'augmentation du risque de progression de la DMLA vers un stade avancé. Par conséquent, le développement d'une méthode de dépistage automatisé de la DMLA pour aider les médecins est un besoin crucial. Cette méthode devrait garantir une plus grande précision de détection pour une utilisation par les ophtalmologistes ou les professionnels de la santé, répondant ainsi au problème de la pénurie d'ophtalmologistes. De plus, cette méthode est destinée à être utilisée dans un programme de dépistage de masse, qui nécessite de fournir des résultats en temps réel afin d'orienter le patient vers une consultation si nécessaire. Plusieurs études ont proposé des méthodes de dépistage automatisé de la DMLA, mais la plupart d'entre elles n'ont pas réussi à fournir une précision optimale. Même dans le cas contraire, une plus grande précision des méthodes existantes n’est pas garantie avec des images de qualité dégradée. En outre, les méthodes existantes sont toujours caractérisées par une grande complexité de calcul, qui se traduit par un temps d'exécution élevé, et qui sera aggravé par l'augmentation permanente de la résolution de l'image. Cette thèse porte sur la proposition d’une approche d’apprentissage automatique « machines Learning» pour le dépistage de la DMLA à partir des images rétiniennes. Cette approche permettra d’aboutir à un système intelligent et mobile d’aide au dépistage de la DMLA.La première partie de cette thèse consiste à proposer une méthode automatique pour la localisation de la macula. L’idée repose sur la localisation en se reposant sur les critères anatomiques de la macula, qui demeurent invariants lors de l’atteinte des pathologies rétiniennes. Pour cela, une étape de prétraitement de l’image a été proposée pour rehausser le contenu en apportant les corrections nécessaires liées à la capture des images rétiniennes. Par la suite, la macula a été localisée en s’appuyant sur sa position par rapport à la forme elliptique de l’arbre vasculaire. Un ordonnancement parallèle de la méthode a été proposé dans l’objectif d’assurer une exécution temps réel de la localisation de la macula. La deuxième partie de la thèse a été réservée à la proposition d’une méthode automatique de détection de la DMLA à partir de la région maculaire localisée. L’originalité de la méthode repose sur l’identification des biomarqueurs de la pathologie, et la proposition de caractéristiques qui reflètent ces biomarqueurs. Par la suite, le vecteur des caractéristiques est fourni à un classificateur pour détecter la DMLA. Dans l’objectif de réduire la complexité de la méthode proposée, une approche d’adéquation algorithme architecture a été également assurée dans ce travail permettant de réduire itérativement le traitement de la représentation des données et de l’extraction des caractéristiques. Grâce à ses performances de détection et son cout en temps d'exécution, la méthode que nous proposons semble être une bonne solution pour le diagnostic précoce de la DMLA à partir des images de fond d'œil capturées par supports mobile et l’exécution en temps réel sur des appareils mobiles