Sur FastAPI à fort trafic, seul le cache d'un calcul de prix est un acquis, à un trafic faible, et la limitation de débit reste générale. Sur les microservices par Kafka, les messages entre services n'ont jamais été pratiqués. L'analytique temps réel, les profils MongoDB et la recommandation sont traités sans expérience. Pour l'usage de l'IA, la relecture est manuelle.
La pièce à transmettrePart telle quelle chez votre client : sans score, sans verdict, sans signal.
Revelyum
Rapport d'entretien technique
Établi pour Nordlys Conseil
Développeur API Python, plateforme média streaming (H/F)
· Antoine Bertin · 15/10/2026
Synthèse
Antoine a six ans de Symfony sur un ERP de négoce, avec du cache Redis sur le calcul des tarifs. Python, Kafka et MongoDB lui sont inconnus et ses réponses sur la limitation de débit et la recommandation restent générales. Il l'admet sans détour.
Détail par exigence
FastAPI à fort trafic
indispensablePartiel
Expérience de cache Redis sur un ERP à trafic modeste, sans Python ; limitation de débit abordée de façon générique.
Microservices communiquant par Kafka
indispensablePartiel
N'a jamais travaillé avec des messages entre services ni avec Kafka.
Analytics temps réel
Non abordée
Le comptage en temps réel n'a pas été abordé : la réponse est restée sur la purge de l'historique.
Profils utilisateurs dans MongoDB
Partiel
N'a pas pratiqué MongoDB et propose un modèle relationnel avec Doctrine.
API de recommandation
À consolider
Aucune idée précise sur la recommandation ni sur sa mesure.
Usage de l'IA
indispensableÀ consolider
Utilise Copilot et ChatGPT pour compléter ou questionner, relit et teste à la main, garde les règles métier.
Points d'appui
Cache Redis réellement mis en place sur un calcul de prix.
Franchise sur les technologies qu'il ne pratique pas.
Garde les règles métier hors de l'assistant.
Points de vigilance
Aucune pratique de Python ni de FastAPI.
Kafka et MongoDB inconnus.
Réponses générales sur le cache et la limitation de débit.
Tests essentiellement manuels.
Sujets abordés
FastAPI à fort trafic · Microservices communiquant par Kafka · Profils utilisateurs dans MongoDB · API de recommandation · Usage de l'IA
Entretien conduit en autonomie par le candidat, réponses transcrites puis analysées.
L'évaluation finale appartient au recruteur : Revelyum n'émet aucune décision automatisée.
En clair
Ce profil ne correspond pas au poste
Antoine connaît très bien un logiciel de gestion de négoce. Il n'a pas travaillé avec Python ni avec des échanges entre services.
Mettre en cache une réponse de recommandation · 4/10Cache Redis sur un calcul de prix, durée approximative.On calculait les prix à chaque affichage de fiche, avec un cache Redis dessusRéponse
R1
Limiter un client trop bavard · 4/10Pense à bloquer l'adresse au pare-feu.Je bloquerais l'adresse du client dans le pare-feuRéponse
R3
Microservices communiquant par Kafka
indispensablePartiel · 4/10
Produire un événement de visionnage · 4/10Dit ne pas connaître Kafka.Kafka, je ne connais pas, je n'ai fait que des appels directs entre modulesRéponse
R4
Analytics temps réel
Non évalué
Rien de démontré sur cette exigence pendant l'entretien.
Profils utilisateurs dans MongoDB
Partiel · 4/10
Document profil et historique · 4/10Deux tables plutôt qu'un document.Je ferais deux tables avec Doctrine, une pour le profil et une pour l'historiqueRéponse
R5
API de recommandation
À consolider · 3/10
Personnaliser par profil · 3/10Aucune idée précise sur la recommandation.Pour les recommandations, je n'ai pas d'idée précise.Réponse
R5
Usage de l'IA
indispensableÀ consolider · 3/10
Comment il relit, teste et corrige le code que l'assistant produit · 3/10Relecture et test manuel.Je relis ce qu'il propose et je teste dans le navigateurRéponse
R6