Démo Voir côté candidat

Hugo Weber

Développeur API Python, plateforme média streaming (H/F) · test filmé du 14/10/2026 · 16 min
Hors document · non imprimé
Verdict À considérer
Score du test 5,6/10 couverture 100 % Usage de l’IA : 5,6/10 Communication : 5,3/10 · 3 critères sur 4 · non prouvé : structure
Signaux à regarder Aucun signal relevé Indicatifs, non décisionnels. Ils disent où regarder dans la vidéo, pas quoi décider.
Sur cette offre 11e sur 30 testés Suivant : Laetitia Bourgeois →
Prochaine étape proposée par l’analyse

Sur les microservices Kafka, le candidat est précis et appuyé sur une expérience de paiement. Sur FastAPI à fort trafic, une erreur de raisonnement sur les workers pèse, malgré une bonne limitation de débit. L'analytics temps réel est correcte, les profils MongoDB et l'API de recommandation sont traités par transposition. L'usage de l'IA est maîtrisé.

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) · Hugo Weber · 14/10/2026

Synthèse

Hugo écrit des API de paiement en Go et maîtrise l'idempotence, les partitions et l'ordre de déploiement des évolutions de format sur Kafka. Il pense en revanche qu'ajouter des workers augmente toujours le débit, une idée à corriger pour FastAPI. Ses limites avec l'assistant sont nettes.

Détail par exigence

FastAPI à fort trafic indispensable Partiel
Pense que multiplier les workers augmente toujours le débit, mais limite par jetons et cache sont bien posés.
Microservices communiquant par Kafka indispensable Partiel
Très solide : idempotence, ordre par compte, plafond par partition et déploiement des lecteurs avant les producteurs.
Analytics temps réel Partiel
Compteur Redis par intervalle, approximation à l'écran et recalcul nocturne depuis Kafka.
Profils utilisateurs dans MongoDB Partiel
Transpose depuis les colonnes JSON de PostgreSQL, sans pratique de MongoDB.
API de recommandation Partiel
Délai d'annulation avec liste générale, personnalisation par genres et mesure décrite sans l'avoir vécue.
Usage de l'IA indispensable Partiel
Délègue le répétitif avec contexte, relit et teste, garde la logique sensible et cite un cas de course mal protégée.

Points d'appui

  • Maîtrise de l'idempotence et de l'ordre par partition.
  • Ordre de déploiement des lecteurs et des producteurs appris d'un incident.
  • Limitation par jetons écrite et exploitée en Go.

Points de vigilance

  • Croit qu'augmenter le nombre de workers augmente toujours le débit.
  • Aucune pratique d'asyncio ni de MongoDB.
  • Mesure des recommandations jamais vécue.

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.

Afficher la transcription

Chargement…