L'état de santé (SOH) d'une batterie Li-ion est un paramètre critique qui détermine la capacité résiduelle et la durée de vie restante de la batterie. Dans cet article, nous proposons SambaMixer, un nouveau modèle structuré d'espace d'état (SSM) pour prédire l'état de santé des batteries Li-ion. Le SSM proposé est basé sur l'architecture MambaMixer, conçue pour traiter des signaux temporels multivariés. Nous évaluons notre modèle sur le jeu de données de décharge des batteries de la NASA et montrons que notre modèle surpass les méthodes les plus avancées actuellement disponibles sur ce jeu de données. Nous introduisons également une nouvelle méthode d'échantillonnage basée sur des ancres, qui garantit que les signaux temporels ont la longueur attendue tout en servant de technique d'augmentation. Enfin, nous conditionnons les prédictions au temps d'échantillonnage et à la différence de temps entre cycles en utilisant des encodages positionnels pour améliorer les performances de notre modèle et apprendre les effets de récupération. Nos résultats démontrent que notre modèle est capable de prédire l'état de santé des batteries Li-ion avec une grande précision et robustesse.