TypeScript: Le langage de référence pour le développement web moderne. TypeScript ajoute le typage statique à JavaScript, ce qui réduit drastiquement les bugs en production et accélère le refactoring. Je l'utilise sur l'ensemble de la stack — du frontend React au backend Node.js — pour garantir une cohérence totale du typage à travers tous les layers.
React 19: La bibliothèque frontend la plus populaire pour construire des interfaces réactives et performantes. React 19 apporte les Server Components, le streaming SSR et des optimisations majeures de rendu. Je l'utilise au quotidien pour des applications allant de dashboards internes complexes à des SaaS B2B à fort trafic.
Next.js: Le framework React full-stack de référence. Next.js offre le SSR, l'ISR, l'App Router et les Server Components pour des performances optimales et un SEO irréprochable. C'est mon choix par défaut pour tout nouveau projet — y compris ce site, construit entièrement avec Next.js.
GraphQL / Apollo: Une approche moderne des API qui permet de récupérer exactement les données nécessaires en une seule requête. Apollo simplifie la gestion du cache côté client, la pagination et les mises à jour optimistes. Particulièrement efficace sur les applications avec des structures de données imbriquées et des besoins d'UI temps réel.
Socket.io: Communication bidirectionnelle en temps réel entre navigateur et serveur via WebSockets. Idéal pour les chats, notifications push, tableaux de bord en direct et fonctionnalités collaboratives. Je l'ai déployé en production sur des systèmes gérant des milliers de connexions simultanées avec reconnexion automatique.
React Router v7: Le standard pour la navigation dans les applications React. React Router v7 unifie le routing client et serveur avec les loaders, actions et gestion native des erreurs. Parfait pour les SPA et les applications universelles qui nécessitent un contrôle fin sur les transitions de pages.
Playwright / Cypress: Frameworks de tests end-to-end pour valider les parcours utilisateur dans un vrai navigateur. Playwright excelle en multi-navigateurs et CI parallélisée, Cypress en DX et debugging interactif. J'intègre systématiquement des tests E2E dans les pipelines CI/CD pour détecter les régressions avant chaque déploiement.
Node.js: JavaScript côté serveur pour des applications backend rapides et scalables. Node.js excelle pour les API à fort trafic grâce à son modèle événementiel non-bloquant. Je l'utilise depuis plus de 10 ans en production — API REST, microservices, workers asynchrones et outils CLI.
REST / GraphQL: Conception d'API robustes et bien documentées. REST pour sa simplicité et sa compatibilité universelle, GraphQL pour la flexibilité des requêtes et la réduction de l'over-fetching. Je choisis l'approche adaptée au contexte — souvent REST pour les API publiques, GraphQL pour les frontends riches en données.
Microservices: Architecture distribuée où chaque service gère une responsabilité unique et peut être déployé indépendamment. Facilite la montée en charge progressive et la résilience du système. J'ai mené plusieurs migrations de monolithes vers des microservices — avec une stratégie progressive qui évite le big bang et garantit le zéro downtime.
RabbitMQ: File d'attente de messages pour la communication asynchrone entre services. RabbitMQ garantit la fiabilité des échanges avec le routing avancé, les dead-letter queues et la persistance des messages. Je l'utilise pour découpler les traitements lourds — envoi d'emails, génération de rapports, synchronisation de données entre systèmes.
Golang: Langage compilé de Google, ultra-performant pour les services backend critiques. Sa gestion native de la concurrence via les goroutines le rend idéal pour les workers haute performance et les outils CLI. Je l'utilise quand les contraintes de latence ou de throughput dépassent ce que Node.js peut offrir.
Redis: Base de données in-memory ultra-rapide pour le cache, les sessions, le rate limiting et le pub/sub. Redis réduit drastiquement la latence des requêtes fréquentes et permet des patterns temps réel comme les leaderboards ou les compteurs distribués. Brique incontournable de toutes mes architectures production.
AWS Lambda / SNS / SQS: Calcul serverless et messagerie événementielle sur AWS. Lambda exécute du code sans serveur à gérer avec un scaling automatique, SNS/SQS orchestrent les flux asynchrones avec retry et dead-letter queues. C'est le cœur de l'architecture Flashpricer — des centaines de fonctions Lambda traitant des dizaines de milliers de produits en temps réel.
AWS RDS / Aurora / S3: Services de données managés AWS. RDS/Aurora offrent des bases relationnelles haute disponibilité avec failover automatique et réplicas de lecture. S3 fournit un stockage objet quasi illimité. Je configure ces services avec du monitoring avancé, des backups automatisés et une optimisation fine des coûts.
GCP / Firebase: L'écosystème cloud de Google. Firebase pour le prototypage rapide avec Auth, Firestore et Hosting intégrés. GCP pour les infrastructures de production — Cloud Run, Pub/Sub, BigQuery. J'ai travaillé plusieurs années sur GCP chez PathMotion, gérant la migration d'une infrastructure monolithique vers des services managés.
Kubernetes: Orchestration de conteneurs pour déployer et gérer des applications à grande échelle. K8s automatise le scaling, le load balancing, les rolling updates et le self-healing. Je l'ai opéré en production sur GKE et EKS pour des applications critiques nécessitant une haute disponibilité.
Serverless / SST: Framework de déploiement serverless sur AWS qui accélère drastiquement le cycle de développement. SST offre un workflow local avec Live Lambda, le hot reload et des déploiements instantanés. C'est mon outil de prédilection pour bootstrapper et itérer rapidement sur des architectures serverless complexes.
CloudWatch / Sentry: Monitoring et gestion des erreurs en production. CloudWatch surveille les métriques infra, les logs et déclenche des alertes. Sentry capture les erreurs applicatives avec le contexte complet — stack trace, breadcrumbs, données utilisateur. Ensemble, ils offrent une visibilité totale du système jusqu'au bug unitaire.
Docker / ECS: Conteneurisation d'applications et orchestration managée sur AWS. Docker standardise les environnements de dev à la prod, éliminant le syndrome « ça marche sur ma machine ». ECS Fargate simplifie le déploiement à grande échelle sans gérer les instances EC2 sous-jacentes.
PostgreSQL / Kysely: La base de données relationnelle open source la plus avancée — transactions ACID, JSON natif, full-text search et extensions puissantes. Kysely apporte un query builder TypeScript 100% type-safe qui détecte les erreurs SQL à la compilation. Mon choix par défaut pour toute application nécessitant des requêtes complexes et une intégrité forte.
DynamoDB / Firestore: Bases de données NoSQL managées pour des lectures/écritures ultra-rapides avec latence constante. DynamoDB sur AWS et Firestore sur GCP scalent automatiquement de zéro à des millions de requêtes par seconde. Je les utilise pour les données à fort volume — sessions, événements analytics, caches applicatifs.
MongoDB: Base de données orientée documents, flexible et performante. Son schéma dynamique accélère le prototypage et s'adapte aux structures de données qui évoluent rapidement. Je l'ai utilisé sur plusieurs projets en production avec l'aggregation pipeline pour des traitements de données complexes et le change streams pour le temps réel.
Meilisearch: Moteur de recherche open source ultra-rapide avec tolérance aux fautes de frappe et résultats en millisecondes. Filtrage multi-critères, facettes, synonymes et classement personnalisable inclus nativement. Idéal pour ajouter une recherche instantanée à un catalogue produit, une base documentaire ou un backoffice.
OpenAI / Claude / Mistral: Intégration des meilleurs modèles de langage du marché — GPT-4, Claude et Mistral. Chaque modèle a ses forces : GPT-4 pour la polyvalence, Claude pour le raisonnement long et la fiabilité, Mistral pour le rapport coût/performance. Je sélectionne et fine-tune le modèle adapté à chaque cas d'usage en production.
RAG / Agents IA: Retrieval-Augmented Generation et agents autonomes pour des réponses précises basées sur vos données métier. Pipeline complet : ingestion documentaire, chunking, embeddings vectoriels, recherche sémantique et génération contextuelle. J'ai conçu des systèmes RAG en production avec évaluation de qualité, monitoring des coûts et boucles de feedback.
Jest / TDD: Tests automatisés et développement piloté par les tests. Jest pour les tests unitaires et d'intégration avec un setup minimal et un feedback rapide. Le TDD structure ma façon de coder — écrire le test d'abord force à penser l'API avant l'implémentation, ce qui produit du code plus propre et plus maintenable.
