Laetitia Bourgeois

Développeur API Python, plateforme média streaming (H/F) · test filmé du 23/10/2026 · 16 min

Hors document · non imprimé

Verdict À considérer

Score du test 5,5/10 couverture 100 % Usage de l’IA : 5,4/10 Communication : 5,3/10 · 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 12^e sur 30 testés ex aequo avec un autre testé Suivant : Mélanie Rey →

Prochaine étape proposée par l’analyse

Sur les microservices Kafka, la candidate est solide et sa méthode est limpide. Sur FastAPI à fort trafic, elle propose des réglages raisonnés sans pratique Python. L'analytics temps réel, les profils MongoDB et l'API de recommandation restent généraux. L'usage de l'IA est bien décrit.

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) · Laetitia Bourgeois · 23/10/2026

Synthèse

Laetitia structure chacune de ses réponses en points distincts et s'appuie sur six ans de Java sur une plateforme de télépéage, où Kafka et les caches sont du quotidien. Sur l'analytics, MongoDB et la recommandation, elle reste au niveau des principes. Elle a une méthode claire d'usage de l'assistant.

Détail par exigence

FastAPI à fort trafic indispensable Partiel: Présente un raisonnement clair sur les workers et le cache, plus proche des principes que de l'expérience Python.
Microservices communiquant par Kafka indispensable Partiel: Méthode claire et expérience de Kafka en télépéage : ordre, idempotence, compatibilité.
Analytics temps réel Partiel: Reste général : compteur rapide et agrégations, sans détail sur les fenêtres.
Profils utilisateurs dans MongoDB Partiel: Raisonne par analogie avec le relationnel : profil, historique séparé, index à vérifier.
API de recommandation Partiel: Repli à délai fixé, personnalisation par l'historique récent et comparaison de deux groupes, non pratiquée.
Usage de l'IA indispensable Partiel: Distingue ce qu'elle confie, ce qu'elle garde et comment elle contrôle, et sait lire les assertions des tests générés.

Points d'appui

Réponses ordonnées en points faciles à suivre.
Cohérence entre base de données et événements publiés.
Méthode d'usage de l'assistant avec vérification en intégration continue.

Points de vigilance

Analytics en temps réel traitée de façon générale.
Aucune pratique de MongoDB ni d'asyncio.
Pas de mesure d'une recommandation menée en réel.

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

Laetitia explique avec clarté et méthode ce qu'elle connaît, notamment les événements. Sur les statistiques en direct et les documents, elle reste générale.

Ses points forts

Explications ordonnées
Bonne pratique des événements
Usage prudent de l'assistant

À creuser en entretien

Statistiques en direct peu approfondies

Savoir-être

Structurer sa réponse

Annonce trois usages ou trois points avant de les détailler.

réponse 1

Dire ce qu’on ne sait pas

Dit qu'elle n'est pas entrée dans le détail des fenêtres de temps.

réponse 6

Expliquer

Décrit l'ordre entre enregistrement en base et publication de l'événement.

réponse 4

Dans une équipe

S'intégrerait bien dans une équipe qui documente, avec un apprentissage de Python à prévoir.

Détail par exigence

FastAPI à fort trafic indispensable Partiel · 5,8/10: Nombre de workers Uvicorn · 6/10 Méthode de réglage claire. un par cœur au départ, puis on mesure la latence et la mémoire Réponse R2; Appels concurrents avec asyncio · 5/10 Limite reconnue. je n'ai pas pratiqué la version Python Réponse R2; Limiter un client trop bavard · 6/10 Limitation vécue. une limite par identifiant dans la passerelle, avec un code 429 et un délai de reprise Réponse R3; Mettre en cache une réponse de recommandation · 6/10 Cadre de décision précis. quelle durée, quelle clé, quand invalider Réponse R3
Microservices communiquant par Kafka indispensable Partiel · 5,7/10: Produire un événement de visionnage · 6/10 Cohérence entre base et événement. publier après l'enregistrement en base, sans quoi on peut annoncer un passage qui n'existe pas Réponse R4; Groupes de consommateurs · 6/10 Limite bien comprise. le parallélisme dans un groupe est limité par le nombre de partitions Réponse R5; Faire évoluer le format d'un événement · 5/10 Évolution compatible. on ajoute des champs optionnels et on garde la compatibilité grâce au registre de schémas Réponse R5
Analytics temps réel Partiel · 5,3/10: Compteurs de vues dans Redis · 5/10 Idée juste mais générale. un compteur rapide, par exemple dans Redis Réponse R6; Exactitude ou rapidité des chiffres · 6/10 Compromis nommé sans arbitrage. choisir entre le chiffre immédiat et le chiffre exact Réponse R6; Agrégation par fenêtre de temps · 5/10 Limite reconnue. Je ne suis pas rentrée dans le détail des fenêtres de temps Réponse R6
Profils utilisateurs dans MongoDB Partiel · 5,5/10: Document profil et historique · 5/10 Séparation raisonnée. Un document pour le profil, un autre ensemble pour l'historique Réponse R7; Index pour les requêtes fréquentes · 6/10 Principe général. des index sur les champs les plus interrogés Réponse R7
API de recommandation Partiel · 5,3/10: Réponse de repli si le moteur tarde · 5/10 Repli net. une réponse de repli sous un délai fixé Réponse R8; Personnaliser par profil · 6/10 Personnalisation simple. j'utiliserais le profil et l'historique récent Réponse R8; Mesurer l'effet d'une recommandation · 5/10 Mesure juste, jamais mise en place. je comparerais deux groupes d'utilisateurs Réponse R8
Usage de l'IA indispensable Partiel · 5,4/10: S'il code avec un assistant IA (Copilot, Cursor, Claude Code, ChatGPT…) : quelles tâches de développement il lui confie, et lesquelles il garde · 5/10 Tâches déléguées précises. les tests unitaires, les classes de transfert de données et les explications de code ancien Réponse R1; 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 · 6/10 Contexte transmis. avec le contexte du module Réponse R1; Comment il relit, teste et corrige le code que l'assistant produit · 5/10 Contrôle automatisé. je le fais passer en intégration continue Réponse R1; Ce qu'il ne confie jamais à l'assistant : données confidentielles, sécurité, décisions d'architecture, cas où il s'est trompé · 6/10 Limites de confidentialité. tout ce qui touche aux badges de télépéage et aux données de paiement Réponse R1; Un cas vécu où un assistant IA a changé son code ou son délai, et ce qu'il en a retenu · 5/10 Faille de test repérée. un test qui ne vérifiait rien du tout Réponse R1

Afficher la transcription

Chargement…