À propos de G.A.I.A.

Geology & AI Agrology

Ga.ia est une entreprise-projet spécialisée dans les solutions d'intelligence artificielle appliquées au sol, à l'agriculture et à l'environnement.

Notre ambition est de concevoir des outils accessibles, ouverts et compréhensibles, capables d'aider à mieux observer, analyser et anticiper les conditions du terrain.

Avec Nimbus, notre première solution, nous explorons l'utilisation de l'IA embarquée pour prédire l'état du sol à partir de données mesurées en temps réel.

Découvrir Nimbus

Ga.ia, intelligence artificielle pour le sol et l'agriculture
Prototype de solution embarquée pour l'agriculture intelligente

Une approche technique, pédagogique et responsable

Ga.ia s'inscrit dans une démarche de recherche appliquée : partir d'un besoin concret, concevoir un prototype fonctionnel, mesurer les résultats et documenter les choix techniques.

Notre travail repose sur des technologies accessibles comme ESP32, Arduino, TensorFlow, Node-RED et GitHub. Cette approche permet de créer des solutions reproductibles, évolutives et adaptées aux petites structures.

Nous voulons proposer une alternative aux systèmes coûteux existants, tout en gardant une vision réaliste : Nimbus est aujourd'hui une solution en développement, pensée pour l'expérimentation, la formation et la démonstration terrain.

Nous contacter

L'équipe projet

Une équipe complémentaire autour de l'électronique, de la data, de l'intelligence artificielle et de la visualisation.

Asma — Électronique

Responsable du câblage des capteurs, de la carte d'acquisition ESP32 et des premiers tests matériels sur le prototype Nimbus.

Wissam — Data & prédiction

Responsable de la structuration des données, du nettoyage du dataset et de l'analyse des mesures collectées par les capteurs.

Nassim — Intelligence artificielle

Responsable de l'entraînement du modèle ANN, de l'évaluation de la précision et de l'export du modèle pour l'embarqué.

Aymeric — Dashboard & GitHub

Responsable du dashboard Node-RED, de l'intégration des prédictions et de la documentation du projet sur GitHub.