Cas clients.

Contexte

Une startup ayant validé son produit sur Bubble devait migrer vers une architecture scalable pour absorber sa croissance et lever des fonds. Le code Bubble ne pouvait pas tenir au-delà d'un certain volume, et les investisseurs demandaient une stack propriétaire.

Ce qui a été fait

• Audit complet de l'application Bubble existante : fonctionnalités, flux de données, intégrations tierces
• Choix de stack et architecture cible : Next.js (App Router), Vercel, Supabase (PostgreSQL)
• Migration progressive fonctionnalité par fonctionnalité, sans interruption de service
• Mise en place du CI/CD, des standards de code et des processus de déploiement
• Recrutement et onboarding des premiers développeurs sur la nouvelle stack

Contexte

Une école en ligne leader en France avec une équipe engineering de ~30 personnes répartie en 5 squads. L'organisation technique manquait de cohérence entre squads, les standards de qualité variaient fortement et les priorités n'étaient pas alignées avec la roadmap produit.

Ce qui a été fait

• Audit de l'organisation engineering et des processus existants sur l'ensemble des squads
• Mise en place d'une gouvernance technique commune : standards de code, processus de review, rituel inter-squads
• Alignement de la roadmap technique avec les priorités business et produit
• Accompagnement et montée en compétences des leads techniques de chaque squad
• Arbitrages d'architecture sur les composants transverses (C#/.NET, Angular, PHP/Drupal)

Contexte

Prise en charge de la direction technique d'une startup EdTech depuis les premières lignes de code jusqu'à une équipe R&D de 9 personnes (développeurs, chef de projet, UX/UI, data scientist). Nécessité de combiner contribution quotidienne au code et gestion d'équipe, recrutement, et pilotage d'activité.

Ce qui a été fait

• Architecture et développement des produits principaux (React, Vue.js, PHP)
• Structuration de l'équipe R&D : définition des profils, recrutement, onboarding
• Mise en place des processus : code review, CI/CD, sprints, entretiens individuels
• Pilotage du budget tech et des prestataires externes
• Montée en compétences des développeurs juniors via coaching et code review

Contexte

Plateforme e-commerce à fort trafic confrontée à des problèmes de performance sous charge : temps de réponse dégradés, incidents fréquents lors des pics de trafic (soldes, événements). L'architecture monolithique ne tenait plus.

Ce qui a été fait

• Audit de performance et identification des goulots d'étranglement (requêtes N+1, absence de cache, infrastructure sous-dimensionnée)
• Refactoring de l'architecture : découplage des composants critiques, mise en place de cache distribué
• Migration et optimisation de l'infrastructure cloud AWS
• Scalabilité horizontale sur les services à fort trafic
• Mise en place du monitoring et des alertes pour anticiper les incidents

Contexte

Un SaaS B2B souhaitait intégrer l'IA dans son produit pour automatiser des tâches à haute valeur répétées par ses clients. Les tentatives précédentes avaient abouti à des PoC inutilisables en production : trop lents, trop coûteux, trop peu fiables.

Ce qui a été fait

• Audit des cas d'usage IA pour identifier ceux avec un ROI réel et mesurable
• Implémentation d'une architecture RAG sur les données métiers du client
• Développement d'agents IA autonomes pour l'automatisation de workflows spécifiques
• Choix et optimisation des modèles LLM (OpenAI, Anthropic) selon coût/qualité
• Mise en place du monitoring LLMOps : latence, coûts, qualité des sorties