Quentin Hubert

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

Hors document · non imprimé

Verdict Recommandé

Score du test 7,4/10 couverture 100 % Usage de l’IA : 7,3/10 Communication : 7,7/10 · 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 7^e sur 30 testés ex aequo avec un autre testé Suivant : Hamza Belkacem →

Prochaine étape proposée par l’analyse

Sur FastAPI à fort trafic, les réponses couvrent le dimensionnement, la concurrence et la limitation de débit. Sur les microservices communiquant par Kafka, la production, les groupes de consommateurs et l'évolution du format sont décrits avec leurs limites. Les analytics temps réel distinguent vitesse et exactitude. Les profils MongoDB et l'API de recommandation sont bien traités, sans mesure d'effet. L'usage de l'IA est encadré par la relecture.

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) · Quentin Hubert · 10/10/2026

Synthèse

Quentin a construit des API d'écoute audio en FastAPI avec des consommateurs Kafka et des statistiques en temps réel dans Redis. Ses réponses donnent des mécanismes précis, comme la limitation de débit et l'évolution compatible des événements. Il reconnaît ne pas avoir mesuré l'effet des recommandations, ce qui relevait d'une autre équipe.

Détail par exigence

FastAPI à fort trafic indispensable Solide: Dimensionne les workers à la mesure, parallélise les appels et protège l'API par une limitation de débit.
Microservices communiquant par Kafka indispensable Solide: Publie des événements ordonnés par utilisateur et les fait évoluer sans casser les consommateurs.
Analytics temps réel Solide: Compte en direct dans Redis, agrège dans MongoDB et accepte l'approximation à l'affichage.
Profils utilisateurs dans MongoDB Solide: Sépare le profil de l'historique pour éviter un document qui grossit et pose les index utiles.
API de recommandation Solide: Prévoit une réponse de repli, sans avoir mesuré l'effet des recommandations.
Usage de l'IA indispensable Solide: Confie à l'assistant les tests et le code répétitif, relit tout et garde la facturation et l'architecture.

Points d'appui

Parallélisation des appels avec asyncio et piège de la boucle bloquée identifié.
Limitation de débit par clé dans Redis avec réponse adaptée.
Évolution des événements par ajout de champs optionnels, sans casser les anciens consommateurs.
Distinction entre chiffres rapides et chiffres facturables.

Points de vigilance

Choix du nombre de partitions fait à l'estime.
Pas de registre de schémas pour les événements.
N'a pas mesuré lui-même l'effet des recommandations.

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

Quentin a l'habitude des services à forte audience, où chaque lecture envoie des messages entre services. Il explique comment les chiffres d'écoute s'affichent vite et comment les chiffres facturés sont recalculés ensuite. Il dit clairement ce qu'il n'a pas mesuré.

Ses points forts

Expérience de services à forte audience
Bonne maîtrise des échanges entre services
Clarté sur ses limites

À creuser en entretien

N'a pas mesuré l'effet des recommandations
Quelques choix faits à l'estime

Savoir-être

Expliquer

Décrit un piège de la boucle bloquée avec son symptôme.

réponse 1

Dire ce qu’on ne sait pas

Admet un choix de partitions fait à l'estime.

réponse 3

Structurer sa réponse

Sépare chiffre rapide et chiffre facturable.

réponse 5

Dans une équipe

Partage ce qu'il a vu en production et dit ce qu'il aurait fait autrement.

Détail par exigence

FastAPI à fort trafic indispensable Solide · 8/10: Nombre de workers Uvicorn · 8/10 Réglage fondé sur l'observation. on ajustait à la mesure Réponse R1; Appels concurrents avec asyncio · 8/10 Appels concurrents avec délai. je lançais les appels en parallèle avec asyncio.gather Réponse R1; Mettre en cache une réponse de recommandation · 8/10 Cache sans invalidation à gérer. une clé qui contient la version du modèle Réponse R2; Limiter un client trop bavard · 8/10 Limite de débit par client. On limitait le débit par clé d'API avec un compteur dans Redis Réponse R2
Microservices communiquant par Kafka indispensable Solide · 7/10: Produire un événement de visionnage · 7/10 Ordre préservé par utilisateur. avec l'identifiant de l'utilisateur comme clé Réponse R3; Groupes de consommateurs · 7/10 Un groupe par besoin. un groupe de consommateurs par usage Réponse R4; Faire évoluer le format d'un événement · 7/10 Évolution compatible. on ajoutait des champs optionnels, jamais de suppression Réponse R4
Analytics temps réel Solide · 7,5/10: Compteurs de vues dans Redis · 7/10 Compteurs par fenêtre. incrémentait des compteurs Redis par titre et par minute Réponse R5; Exactitude ou rapidité des chiffres · 8/10 Arbitrage assumé. la vitesse comptait plus pour l'affichage Réponse R5
Profils utilisateurs dans MongoDB Solide · 7,5/10: Historique qui grossit sans fin · 7/10 Évite la croissance du document. l'historique dans une collection séparée pour ne pas faire grossir le document sans fin Réponse R6; Index pour les requêtes fréquentes · 8/10 Index adapté à la requête. un index sur l'utilisateur et la date Réponse R6
API de recommandation Solide · 7/10: Réponse de repli si le moteur tarde · 7/10 Repli défini. on renvoyait une liste de titres populaires comme solution de repli Réponse R6; Mesurer l'effet d'une recommandation · 7/10 Limite reconnue. Je n'ai pas mesuré l'effet des recommandations moi-même Réponse R6
Usage de l'IA indispensable Solide · 7,3/10: 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 répétitives. Je lui confie des tests, des schémas Pydantic et du code répétitif Réponse R7; Comment il relit, teste et corrige le code que l'assistant produit · 7/10 Relecture et contrôles. Je relis tout et je lance les tests et le linter Réponse R7; Ce qu'il ne confie jamais à l'assistant : données confidentielles, sécurité, décisions d'architecture, cas où il s'est trompé · 8/10 Limite claire. Je ne lui confie pas la logique de facturation 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 en relecture. il avait écrit un consommateur qui n'était pas idempotent Réponse R7

Afficher la transcription

Chargement…