Clément Dumas

Développeur API Python, plateforme média streaming (H/F) · test filmé du 12/10/2026 · 14 min

Hors document · non imprimé

Verdict À considérer

Score du test 5,4/10 couverture 100 % Usage de l’IA : 5/10 Communication : 5,7/10 · 3 critères sur 4 · non prouvé : précision du vocabulaire

Signaux à regarder Aucun signal relevé Indicatifs, non décisionnels. Ils disent où regarder dans la vidéo, pas quoi décider.

Sur cette offre 17^e sur 30 testés ex aequo avec un autre testé Suivant : Bruno Lemaitre →

Prochaine étape proposée par l’analyse

Sur FastAPI à fort trafic, le candidat décrit un service réel et un dimensionnement mesuré, à une échelle plus modeste. Sur les microservices par Kafka, la logique est juste mais s'appuie sur RabbitMQ, et les garanties de livraison restent floues. L'analytique temps réel et l'API de recommandation sont traitées par raisonnement. Profils MongoDB : le découpage profil et historique est correct. L'usage de l'IA est encadré par une relecture et des tests.

Offre : 47 000 – 55 000 € brut / an PythonFastAPIMongoDBRedisKafka

La pièce à transmettre Part 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) · Clément Dumas · 12/10/2026

Synthèse

Clément transpose dix ans de Symfony vers FastAPI avec un premier service en production, dimensionné et mesuré. Il raisonne juste sur Kafka mais reconnaît ne pas maîtriser les garanties de livraison. Son profil demande un accompagnement sur le flux d'événements.

Détail par exigence

FastAPI à fort trafic indispensable Partiel: A mis un service FastAPI en production avec des workers dimensionnés et des appels concurrents, sur un trafic modeste. Le cache et la limitation de débit sont connus en principe.
Microservices communiquant par Kafka indispensable Partiel: Comprend les groupes de consommateurs et le versionnement, mais reste flou sur les garanties de livraison faute de pratique de Kafka.
Analytics temps réel Partiel: Propose des compteurs Redis et des fenêtres par clé, raisonnés plus que vécus.
Profils utilisateurs dans MongoDB Partiel: Sépare le profil de l'historique pour éviter un document qui grossit sans fin, avec un index adapté.
API de recommandation Partiel: Prévoit une réponse de repli par titres populaires et une personnalisation simple, sans mesure de l'effet.
Usage de l'IA indispensable Partiel: Utilise l'assistant pour démarrer vite sur une technologie nouvelle, relit et teste, garde l'architecture pour lui.

Points d'appui

A mis un service FastAPI en production avec des workers dimensionnés et des appels parallèles.
Pense l'idempotence et le versionnement des messages comme sur RabbitMQ.
Distingue le chiffre affiché du chiffre de facturation.

Points de vigilance

Garanties de livraison de Kafka connues de nom, pas réglées en pratique.
Aucune agrégation en flux réellement réalisée.
Pas de mesure de l'effet d'une recommandation.

Sujets abordés

FastAPI à fort trafic · Microservices communiquant par Kafka · Analytics temps réel · 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

Peut-être, à confirmer en entretien

Clément a dix ans de métier et a déjà mis un service Python en ligne. Il comprend les principes de la communication entre services mais n'a pas pratiqué l'outil de l'offre.

Ses points forts

Expérience solide
Honnêteté sur ses limites

À creuser en entretien

Pas de pratique de l'outil de messagerie demandé

Savoir-être

Dire ce qu’on ne sait pas

Dit qu'il n'a pas Kafka en production et se rattache à RabbitMQ.

réponse 3

Expliquer

Raisonne par analogie avec ce qu'il connaît.

réponse 4

Autonomie

S'est formé seul à FastAPI avec un assistant.

réponse 7

Dans une équipe

Progresserait vite avec un référent Kafka dans l'équipe.

Détail par exigence

FastAPI à fort trafic indispensable Partiel · 6/10: Nombre de workers Uvicorn · 6/10 Dimensionne les workers sur les cœurs et mesure. On le lançait avec Uvicorn et quatre workers derrière un répartiteur de charge Réponse R1; Mettre en cache une réponse de recommandation · 6/10 Cache à durée courte, invalidé au changement de préférences. Je mettrais la réponse en cache dans Redis avec une durée de vie de quelques minutes Réponse R2
Microservices communiquant par Kafka indispensable Partiel · 5,5/10: Produire un événement de visionnage · 5/10 Connaît les deux modes de livraison sans savoir les régler. Sur les garanties de livraison, je sais qu'il y a au moins une fois et exactement une fois Réponse R3; Groupes de consommateurs · 6/10 Répartition des partitions correctement décrite. deux instances du même groupe ne lisent jamais la même partition Réponse R4
Analytics temps réel Partiel · 5/10: Exactitude ou rapidité des chiffres · 5/10 Distingue le chiffre affiché de celui qui sert à facturer. Pour un chiffre affiché au public, la rapidité prime Réponse R5
Profils utilisateurs dans MongoDB Partiel · 5/10: Historique qui grossit sans fin · 5/10 Historique complet sorti dans une collection à part. et l'historique complet dans une collection à part pour qu'il ne fasse pas grossir le profil Réponse R6
API de recommandation Partiel · 6/10: Réponse de repli si le moteur tarde · 6/10 Repli par titres populaires prévu. Si le moteur tarde, je renverrais une liste des titres populaires en repli. Réponse R6
Usage de l'IA indispensable Partiel · 5/10: Un cas vécu où un assistant IA a changé son code ou son délai, et ce qu'il en a retenu · 5/10 L'assistant a accéléré son premier service FastAPI. C'est ce qui m'a aidé à écrire mon premier service FastAPI plus vite Réponse R7

Afficher la transcription

Chargement…