Sebastien G.

Encadrement technique de 2 développeurs iOS, avec revues de code structurées, mentorat et

définition des bonnes pratiques, puis prise de rôle de référent technique sur l’application iOS.

Conception et implémentation d’une architecture MVVM‑C puis MVVM moderne (SwiftUI, Swift 6, SPM, SwiftData, Combine, async/await, AsyncStream, architecture modulaire) pour le développement from scratch d’applications d’aide aux patients atteints de cancer puis de suivi

des maladies mentales.

Développement de fonctionnalités clés basées sur cette architecture (parcours patients, formulaires, suivi clinique), assurant une expérience utilisateur fluide et une mise sur le marché rapide avec une forte adoption.

Intégration du Mood Disorder Questionnaire (MDQ) et d’autres QCM pour le suivi précis de pathologies psychiatriques (bipolarité, dépression), améliorant la qualité du suivi et l’efficacité des interventions.

Mise en place d’une authentification sécurisée via le SDK Keycloak, garantissant la conformité RGPD et la protection des données de santé sensibles.

Écriture de tests unitaires avec XCTest et intégration dans une CI/CD GitHub (workflows automatisés), afin d’assurer la qualité, la non‑régression et la stabilité des versions livrées.

Prise en charge de l'accessibilité (VoiceOver, parcours adaptés) pour rendre l’application utilisable par un maximum de patients, conformément aux bonnes pratiques d’accessibilité.

SwiftUI, Combine, async/await, AsyncStream), avec introduction d’une injection de dépendances et d’une architecture modulaire réutilisable, simplifiant fortement les évolutions futures.

Refonte et optimisation de l’architecture interne (MVVM‑C, modulaire, SPM), améliorant la performance, la testabilité et la flexibilité de l’application de suivi médical.

Pilotage de la migration majeure de l’application vers SwiftUI, réduisant le temps de développement et simplifiant la maintenance tout en améliorant la cohérence de l’interface utilisateur.

Développement de fonctionnalités innovantes de suivi des patients (algorithmes basés sur le son, module de capture d’image) pour le suivi de pathologies telles que la sclérose en plaques, la mucoviscidose et certaines maladies neuromusculaires, ouvrant de nouvelles perspectives diagnostiques digitales.

Réalisation de Proof of Concepts (POCs) en ARKit et CoreML pour explorer l’intégration de réalité augmentée et d’intelligence artificielle dans les parcours patients.

Développement d’un module de détection faciale iOS avec Vision Framework: utilisation des angles de pose (yaw, pitch, roll) pour valider la frontalité et optimiser la capture photo en temps réel.

Mise en place et maintien de tests unitaires avec Quick/Nimble (approche BDD) et intégration dans une CI/CD Xcode Server, garantissant la qualité et la non‑régression des fonctionnalités critiques.

Sécurisation des données sensibles via le Keychain et prise en charge de l’accessibility (VoiceOver) afin de respecter les bonnes pratiques de sécurité et d’inclusion.