La simulation multi-échelle et non linéaire des structures, dont le comportement dépendde l'histoire de chargement (par exemple pour un matériau élasto-plastique), est très coûteuse. Dans cetravail, nous proposons une approche basée sur le couplage d'un réseau de neurones récurrent (RNN) etd'un réseau de neurones par graphes (GNN) afin d'apprendre le comportement mécanique d'une micro-structure. Le RNN traite les séquences pour caractériser l'effet d'histoire et prédire les champs moyens,tandis que le GNN reconstruit les champs locaux sur un maillage, avec l'objectif de retrouver des résul-tats similaires à ceux obtenus avec des modélisations éléments finis complètes.