La conception des structures multi-échelle s’appuie sur des campagnes expérimentales importantes et des modélisations prédictives complexes intégrant des connaissances sur des paramètres d’intérêt à l’échelle de la structure. L’intégration de connaissances diminue l’incertitude sur les paramètres d’intérêt à l’échelle de la structure et impacte de façon significative le coût de modélisation des structures multi-échelle. Ce travail propose le développement d’une méthodologie d’aide à la conception délivrant des associations de modèles prédictifs et expérimentaux présentant divers compromis entre le coût de modélisation et la précision sur les paramètres d’intérêt. Le travail s’est appuyé sur une représentation pyramidale des modélisations expérimentales et prédictives et sur la prise en compte des incertitudes épistémique et aléatoire liées aux matériaux, aux modèles ainsi qu’aux tolérances géométriques. Une méthode adaptative d’estimation du coût de modélisation, basée sur la logique floue, a été proposée. Le problème multi objectif visant à minimiser les incertitudes sur les paramètres d’intérêt à l’échelle de la structure et le coût de modélisation a été résolu au moyen d’un algorithme « NSGA-II » permettant l’identification de chemins optimisés robustes. Les travaux ont été appliqués au cas d’un réservoir composite épais destiné au stockage d’hydrogène.