Maxime Bauer

J'ai développé de bout en bout une application de Chatbot Léga, alliant une architecture backend robuste, une intégration IA avancée (RAG) et une interface utilisateur dynamique haut de gamme.

Backend, Sécurité & Data (FastAPI)

Architecture API : Développement complet de l’API sous FastAPI, hautement performante et typée via Pydantic pour une validation stricte des données.

Sécurité : Intégration d’un système de connexion sécurisé OAuth 2.0 avec gestion des sessions et des profils utilisateurs.

Data : Nettoyage, structuration et mise en forme de flux de données complexes.

Intégration IA & Automatisation (RAG & LLM)

Pipeline RAG : Conception d’un système de recherche sémantique en requêtant une base vectorielle Milvus pour extraire le contexte légal pertinent.

Prompt Engineering : Optimisation de prompts avancés pour l'API OpenAI, garantissant des réponses juridiques précises et reformatées.

Automation WordPress : Développement d'un pont automatisé permettant la publication en un clic des contenus légaux générés par l'IA directement depuis le chat vers un blog WordPress.

Frontend & UX/UI (React)

Interface Dynamique (React) : Création d'une UI moderne (composants imbriqués, écrans de chargement fluides, gestion de thèmes avec Dark Mode).

Fonctionnalités UX : Implémentation de fonctionnalités de Drag-and-Drop et d'un système d'organisation des messages/dossiers en arborescence (nested).

Responsiveness : Optimisation et design complet d'une version mobile fluide.

Stack : FastAPI, Python, Pydantic, React, OpenAI API, Milvus, OAuth 2.0, WordPress API.

Pour ce client poonier dans le secteur de la mobilité électrique au maroc, j'ai conçu et développé l'architecture backend et l'interface de supervision d'un système central de gestion de bornes de recharge (CSMS), en gérant l'intégration des protocoles IoT et la communication temps réel.

Architecture IoT & Protocoles (OCPP)

Implémentation OCPP : Développement du système central (CSMS) basé sur le protocole OCPP 1.6, assurant la communication bidirectionnelle sécurisée entre les bornes de recharge et le cloud.

Traitement Asynchrone : Conception d’un Worker Asynchrone dédié à la gestion des messages OCPP en temps réel, garantissant une haute disponibilité et un traitement découplé des commandes envoyées aux stations.

Gestion de files d'attente : Utilisation de Redis pour orchestrer la file d'attente des messages et optimiser les performances du worker.

Backend & Intégration Mobile (FastApi)

API Mobile : Architecture et développement de la couche API (FastApi) connectant l'application mobile à l'infrastructure de recharge.

Fonctionnalités clés : Intégration des commandes de démarrage/arrêt à distance (remote start/stop), du suivi des statuts en temps réel et de la gestion des transactions utilisateurs.

Communication temps réel : Utilisation des WebSockets pour la remontée instantanée des données des bornes.

Interface de Supervision & Dashboard (React)

Tableau de bord de monitoring : Développement complet d’un dashboard sous React dédié à la visualisation des données de télémétrie et à la gestion globale du parc.

Administration : Intégration d'outils de gestion des stations et des utilisateurs, affichage des rapports d'erreurs en temps réel et outils d'interactions directes avec la base de données.

Stack technique : Python, Flask, WebSockets, OCPP 1.6, Redis, React.

Pour cette mission, j'ai audité et migré une application Python/Flask initialement hébergée sur Google App Engine Flexible, dont les coûts d'infrastructure étaient disproportionnés (50$/jour hors trafic), vers une architecture Serverless hautement optimisée et économique.

Optimisation des Coûts & Architecture Serverless

Migration Cloud Run : Remplacement d'App Engine par Google Cloud Run avec une configuration d'instances minimales à zéro, supprimant totalement les coûts fixes lorsque l'application n'est pas sollicitée.

Conteneurisation : Création et configuration d'un Dockerfile optimisé pour embarquer les dépendances Python et l'utilitaire système FFmpeg.

Gestion des Flux Vidéo Volumineux (Jusqu'à 10 Go)

Upload via URL Signées : Implémentation d'un système d'URL signées avec Google Cloud Storage (GCS) pour permettre au Front-end d'uploader les fichiers lourds directement vers le bucket, évitant la surcharge de la mémoire RAM du serveur Flask.

Traitement asynchrone (FFmpeg) : Intégration de FFmpeg pour le découpage et le traitement des vidéos directement à la volée, avec allocation dynamique des ressources CPU/Mémoire uniquement durant la phase de calcul.

Frontend & Expérience Utilisateur

Interface de chargement : Développement d'une interface utilisateur dédiée à l'upload de fichiers volumineux.

Suivi en temps réel : Intégration d'un indicateur visuel permettant d'afficher la progression de l'upload et du traitement vidéo pour l'utilisateur.

Stack technique : Python, Flask, Google Cloud Run, Google Cloud Storage (GCS), Docker, FFmpeg, JavaScript.