Hamza Belkacem

Développeur API Python, plateforme média streaming (H/F) · test filmé du 22/10/2026 · 16 min

Hors document · non imprimé

Verdict Recommandé

Score du test 7,2/10 couverture 100 % Usage de l’IA : 7/10 Communication : 7,3/10 · 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 8^e sur 30 testés ex aequo avec un autre testé Suivant : Sonia Ferreira →

Prochaine étape proposée par l’analyse

Sur FastAPI à fort trafic, la limitation, les workers, la concurrence et le cache sont solides. Sur les microservices et Kafka, la consommation est comprise mais le dimensionnement des partitions et le changement de format n'ont pas été pratiqués. Sur l'API de recommandation, le repli et la mesure sont bien décrits. Sur les profils dans MongoDB, l'usage est simple. L'usage de l'IA est lucide.

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) · Hamza Belkacem · 22/10/2026

Synthèse

Le candidat est prudent sur un client trop insistant : il a limité à la fois dans l'API et côté client, après un incident à trois cents requêtes par seconde. Il règle ses workers par la mémoire du modèle et met ses prévisions en cache selon la version. Il n'a jamais dimensionné de partitions Kafka lui-même.

Détail par exigence

FastAPI à fort trafic indispensable Solide: Limite un client trop insistant des deux côtés, règle les workers par la mémoire du modèle, parallélise ses appels et met les prévisions en cache.
Microservices communiquant par Kafka indispensable Solide: Consomme les ventes avec un groupe et connaît le principe des partitions, sans les avoir dimensionnées ni fait évoluer un format.
Analytics temps réel Solide: Met à jour des statistiques à partir des ventes de caisse, sans détailler la fenêtre ni la précision des chiffres.
Profils utilisateurs dans MongoDB Solide: Stocke des paramètres de modèle par magasin dans MongoDB avec un index adapté, sans historique qui grossit.
API de recommandation Solide: Renvoie la prévision sans ajustement de stock si le service tarde, et compare chaque version à la précédente.
Usage de l'IA indispensable Solide: Confie à l'assistant les scripts de validation et les tests de données, relit ce qu'il produit et garde le découpage des données et la mise en production.

Points d'appui

Double limitation de l'API et du client appelant, avec attente croissante entre les essais.
Workers choisis par la mémoire du modèle après un test de charge.
Cache des prévisions jusqu'à minuit avec la version du modèle dans la clé.
Compare chaque nouvelle version du modèle à l'ancienne pendant deux semaines.

Points de vigilance

Partitions et clés Kafka configurées par d'autres équipes, jamais dimensionnées par lui.
N'a jamais fait évoluer un champ existant dans un événement.
Historique qui grossit dans MongoDB non rencontré.

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

Oui, il peut faire ce job

Hamza a limité un client trop insistant des deux côtés après un incident réel et règle son service selon la mémoire du modèle. Il compare chaque nouvelle version à la précédente avant de l'adopter. Il n'a pas encore dimensionné lui-même de partitions Kafka.

Ses points forts

Protège l'API et le client
Choix de serveur selon la mémoire
Compare chaque version de modèle

À creuser en entretien

Partitions Kafka à apprendre
Évolution des formats d'événements non pratiquée

Savoir-être

Dire ce qu’on ne sait pas

Avoue que le nombre de partitions n'a pas été son choix.

réponse 5

Expliquer

Explique pourquoi la limitation est gardée des deux côtés.

réponse 1

Autonomie

Relit tout ce que produit l'assistant, jusqu'à un test qui comparait un résultat à lui-même.

réponse 7

Dans une équipe

Apporterait à l'équipe de la rigueur sur la mesure, avec un renfort à prévoir sur Kafka.

Détail par exigence

FastAPI à fort trafic indispensable Solide · 7,8/10: Limiter un client trop bavard · 8/10 Double limitation. On a limité à la fois dans l'API, par clé, avec un code 429, et côté client Réponse R1; Nombre de workers Uvicorn · 8/10 Réglage selon la ressource limitante. on était limité par la mémoire avant de l'être par le processeur Réponse R2; Appels concurrents avec asyncio · 7/10 Appels parallèles. Les appels au catalogue et aux stocks partent en parallèle avec asyncio.gather Réponse R3; Mettre en cache une réponse de recommandation · 8/10 Cache et invalidation par version. jusqu'à minuit, avec une clé qui contient la version du modèle Réponse R4
Microservices communiquant par Kafka indispensable Solide · 7/10: Groupes de consommateurs · 7/10 Principe connu. une partition ne peut être lue que par un consommateur du groupe Réponse R5; Faire évoluer le format d'un événement · 7/10 Pas de pratique de l'évolution. je n'ai jamais eu à faire évoluer un champ existant Réponse R5
Analytics temps réel Solide · 7/10: Agrégation par fenêtre de temps · 7/10 Usage décrit sans détail de fenêtre. pour mettre à jour les statistiques Réponse R5
Profils utilisateurs dans MongoDB Solide · 7,5/10: Document profil et historique · 7/10 Documents simples. j'ai stocké des paramètres de modèle par magasin dans des documents Réponse R6; Index pour les requêtes fréquentes · 8/10 Index sur la requête usuelle. un index sur le magasin et la date de version Réponse R6
API de recommandation Solide · 7,5/10: Réponse de repli si le moteur tarde · 8/10 Repli annoncé. on renvoie la prévision sans l'ajustement de stock, avec un champ qui le précise Réponse R3; Mesurer l'effet d'une recommandation · 7/10 Mesure contre la version précédente. on compare avec l'ancienne version en parallèle pendant deux semaines Réponse R6
Usage de l'IA indispensable Solide · 7/10: S'il code avec un assistant IA (Copilot, Cursor, Claude Code, ChatGPT…) : quelles tâches de développement il lui confie, et lesquelles il garde · 7/10 Tâches déléguées. scripts de validation, tests de données, et mises en forme de rapports Réponse R7; Son workflow avec l'assistant : découper la demande, lui donner le contexte (fichiers, conventions), tenir la taille du contexte et le coût en tokens, itérer · 7/10 Contexte donné. en lui donnant un exemple de test existant et la structure du dépôt Réponse R7; Un cas vécu où un assistant IA a changé son code ou son délai, et ce qu'il en a retenu · 7/10 Erreur trouvée à la relecture. Il m'a une fois écrit un test qui passait toujours Réponse R7; Ce qu'il ne confie jamais à l'assistant : données confidentielles, sécurité, décisions d'architecture, cas où il s'est trompé · 7/10 Décision gardée. Je ne lui laisse jamais choisir comment on découpe les données d'entraînement Réponse R7

Afficher la transcription

Chargement…