L’optimisation de séquences d’empilements composites est un problème d’optimisation combinatoire difficile et coûteux. Pour le résoudre, il est courant d’utiliser des techniques d’optimisation globale ou alors de relaxer continûment le problème discret via diverses représentations des tenseurs des lois de comportement (en membran, flexion et couplage). Quelle que soit la représentation retenue, il est important de considérer le couplage entre les tenseurs de membrane et de flexion. Diverses équations de compatibilité ont été proposées et obtenues de manière analytique et géométrique. Dans ce travail, nous proposons une approche de type classification issue du machine learning supervisé (SVM) pour écrire cette contrainte de compatibilité entre les différents termes sous forme d’une seule équation simple, nous comparons cette approche aux équations de la littérature.