Xavier Philipponneau

WeGrow est une entreprise fondée en 2018 qui a maintenant plus de 30.000 utilisateurs répartis dans 65 pays. Son chiffre d'affaires en 2024 s'élève à 5 millions d'euros et elle emploie plus de 60 personnes.

Son objectif est d'identifier et de mettre en avant les bonnes pratiques au sein d'entreprises internationales qui fonctionnent en silo. Pour cela elle a développé un logiciel SAAS fonctionnant avec de l'Intelligence Artificielle.

L'équipe était constituée de :

- 1 chef de projet

- 1 Staff Engineer

- 7 développeurs (backend - frontend)

Nous interagissions avec les équipes :

- Produit (2 personnes)

- Test (3 personnes)

- UX/UI (1 personne)

En tant que développeur Java Angular, j'ai effectué les missions suivantes en respectant les principes Agile:

- Développement Java, Spring Boot, Angular, SQL

- Conception et optimisation d’une API back-end robuste et fiable

- Refonte et optimisation d’une API de recherche ainsi que du système de permissions utilisateurs pour des traitements plus rapides et scalables

- Développement de composants graphiques respectant un design system, et création de formulaires réactifs

- Développement de batches automatisés pour l’envoi d’emails personnalisés à grande échelle

- IA: Création d’un outil de scoring permettant de rapprocher du contenu similaire, optimisant la pertinence des recommandations

- IA: Développement d’un assistant IA permettant aux utilisateurs de poser des questions et d’obtenir des réponses précises à partir des données issues de la base client

---

Contexte technique :

Backend Java Spring boot, Back end Java Spring, Spring Security, Maven, Spring Cloud, Hibernate, Modèle MVC de Spring, Spring Data, Java Database Connectivity (JDBC) et JUnit, J2EE, JEE, Java EE, Front end Angular, Angular, front Angular, frontend Angular, Angular Material, Postgres, PostgresSQL, SQL, Typescript, JavaScript, Html, HTML5, css, css3, Maven, GIT, Clean code, SOLID, Rest API, Python, Microsoft Azure, BitBucket, TestContainer

Questel opère dans le secteur de la Propriété Intellectuelle. L'entreprise est présente dans 30 pays à travers le monde (Paris, Tokyo, Shanghai, Munich, Etats-Unis, Inde, Japon) et gère une base de données comprenant 120 millions de brevets provenant de 110 autorités de délivrance de brevets. Cela inclut des solutions intégrées pour la recherche, l'analyse et la gestion des brevets. En 2024 Questel a généré un chiffre d'affaires de 46 millions de dollars.

L'équipe était composée :

- d'un chef de projet

- de 8 développeurs

Durant ma mission je suis intervenu sur un batch de transformation de données séquentielles au sein d'un ETL (Extract Transform Load). Le but de la mission était de synchroniser des informations sur des brevets issus de différentes sources (création / modification / acceptation ou refus) et de les enregistrer dans une base de données avec les informations mises à jour.

En tant que développeur backend, mes missions ont été les suivantes :

- Optimiser les temps de traitement de batches Java transformant de gros volumes de données issus de plusieurs bases de données

- Créer des endpoints Java requêtant des tables de plusieurs Go dans un temps raisonnable

- Assurer la fiabilité des traitements avec des tests unitaires en Java

---

Contexte technique :

Java, Java Database Connectivity (JDBC) et JUnit, DropWizard, MySql, Sql, Maven, git, Clean code, Backend developer, Backend application

Air France est une compagnie d'aéronautique française employant 76.000 personnes dans le monde réalisant un chiffre d'affaires de 26 milliards d'euros.

Je suis intervenu au sein du département Cargo comme développeur Big Data. Mon objectif de centraliser plusieurs flux de données au sein d'un Datalake.

L'équipe était composée :

- 1 chef de projet

- 1 développeur senior

- 2 autres développeurs Big Data

- 2 product owners

En tant que développeur backend, j'ai effectué les missions suivantes :

- Ingestion de données depuis différentes sources (XML, Kafka, etc...)

- Développement d'un script python permettant de vérifier la véracité du modèle créé en économisant 90% du temps précédent à l'équipe

- Echanges fréquents avec AMOs

---

Contexte technique :

Java, Apache Spark 2.3, Python Spark 2.3, Suite Atlassian Bamboo, Git, Maven