Les réservoirs d'hydrogène haute pression de type IV (HPV) sont essentiels pour les applications industrielles et les véhicules à hydrogène. Fabriqués à partir de matériaux composites, notamment des fibres de carbone, ces réservoirs sont légers et résistants à la fatigue. Toutefois, des défauts internes comme les porosités peuvent compromettre leur intégrité. Bien que certaines porosités soient tolérées, une présence excessive peut entraîner des défaillances mécaniques. Cette étude vise à développer un modèle prédictif du nombre de porosités en fonction des paramètres du procédé de fabrication. Pour surmonter les limites des approches physiques, nous utilisons l'Intelligence Artificielle Raisonnée Générale (IARG) Xtractis, qui permet la découverte automatique de modèles robustes et intelligibles. À partir de 58 prédicteurs potentiels, 15 ont été sélectionnés pour créer un modèle prédictif. Les résultats montrent une performance réelle élevée avec un RMSE de 7,94 % et une corrélation de 0,824 sur un jeu de test externe. L'intelligibilité des modèles générés par Xtractis est un avantage majeur par rapport à d'autres techniques non-linéaires comme Boosted Tree, qui manquent de transparence. L'approche Xtractis offre ainsi de nouvelles perspectives pour améliorer la gestion de la qualité des réservoirs.