Tech
Ton problème d'abord. La stack ensuite.
Pour moi, la technologie est un moyen, pas une fin : je m'y plonge et je livre — orienté résultat, efficace, documenté. Quel que soit le problème qui arrive : la solution est déjà un pas plus proche ici.
Du problème à la solution
»Il nous faut une plateforme web qui dure.«
Une architecture PHP propre : Laravel ou Symfony quand leur écosystème aide — le moteur maison quand le contrôle et la légèreté comptent. Base de données, auth et i18n pensés dès le départ.
- PHP
- Laravel / Symfony
- devgine
- MySQL / PostgreSQL
»Notre outil interne coûte plus de temps qu'il n'en fait gagner.«
Des outils internes légers, avec un chemin court vers l'utile : interface rapide, automatisation, connexion à ce qui existe déjà — au lieu d'un projet de six mois.
- PHP
- Python
- Bootstrap
- APIs
»Notre système tourne, là ? Aucune idée.«
Du monitoring construit de zéro : latence DNS, TCP et TTFB, historique d'uptime, page de statut — sans prestataire tiers. Tes données restent chez toi.
- Monitoring maison
- Status-Page
- Alerts
»Nos serveurs sont gérés par… personne, en vrai.«
Mettre en place, durcir et maintenir durablement des serveurs Ubuntu — déploiements, mises à jour, backups. Comme le serveur de support Behnke, qui tourne depuis des années sous ma responsabilité.
- Ubuntu VPS
- Docker
- Bash
»Personne ne comprend notre doc.«
Des plateformes de documentation qui se lisent vraiment : multilingues, accessibles, avec recherche et export PDF. Prouvé avec un wiki en trois langues.
- i18n DE/EN/FR
- Accessibility
- Export PDF
»On doit « faire un truc avec l'IA ».«
D'abord le use case, ensuite le modèle : Claude, GPT, Gemini ou en local via Ollama. Je construis des workflows qui livrent de façon mesurable — et je dis honnêtement où l'IA n'apporte rien.
- Claude Code
- GPT
- Gemini
- Ollama
»Le site est là — mais Google ne nous trouve pas.«
Un socle SEO plutôt que des astuces : données structurées, architecture meta propre, des temps de chargement qu'on ne remarque pas. Être trouvé, sans budget pub.
- JSON-LD
- Meta / OG
- Performance
»Un projet communautaire ou un jeu avec sa propre technique ?«
Des plugins et mods Minecraft jusqu'au moteur 2D maison : de la technique qui porte le fun au lieu de le freiner — et l'exploitation avec.
- Java
- Spigot API
- Forge
- libGDX
La boîte à outils
Développement
- PHP
- Laravel · Symfony · moteur maison (devgine) · standards PSR
- Java
- Spring · libGDX · Spigot API · Forge · Maven / Gradle
- Frontend
- JavaScript · React · Bootstrap · vanilla quand ça suffit
- Graphisme
- OpenGL · libGDX — rendu 2D, moteur maison
- Autres
- Python · C/C++ · Node.js
Données & exploitation
- Bases de données
- MySQL · PostgreSQL · SQLite — modèles, optimisation, migrations
- Serveurs
- Mettre en place, durcir et maintenir durablement des VPS Ubuntu
- Déploiement
- Docker · Bash · workflows basés sur Git
- Monitoring
- Latence DNS, TCP, TTFB · uptime — construit maison
Qualité & process
- L'analyse d'abord
- Vérifier précisément ce qu'il faut — puis construire
- Agile
- Scrum · itérations courtes · estimations honnêtes
- Qualité du code
- PHPStan max · tests comme condition de merge · PSR-12
- Documentation
- Code source entièrement documenté — d'autres peuvent intervenir à tout moment
Socle web
- Security
- CSRF · sessions sécurisées · SQL paramétré · process de disclosure
- i18n & A11y
- DE/EN/FR · OpenDyslexic · règle de lecture · contraste
- SEO
- JSON-LD · architecture meta · OG / Twitter Cards
- Performance
- Pas de poids mort de framework · pas de requêtes third-party
IA — le bon modèle pour le bon job
- Claude & Claude Code
- Pairing pendant la construction : refactorings, reviews, des features entières en dialogue — fort quand la tâche est bien cadrée.
- GPT
- Recherche, textes, prototypes rapides, brainstorming — ouvre des espaces de réflexion avant que les décisions tombent.
- Google Gemini
- Tâches multimodales et grands contextes — quand images, documents et code se regardent ensemble.
- Modèles locaux (Ollama)
- Quand les données ne doivent pas quitter la maison — volontairement plus petits, mais entièrement sous contrôle.
- Le principe
- Aucun modèle n'est un membre de l'équipe : chaque ligne est relue, l'utilité mesurée — et l'IA coupée là où elle coûte de la qualité.
- Un fondement scientifique
- Mon mémoire de bachelor a comparé systématiquement huit LLMs pour la modélisation de processus métier — framework d'évaluation maison, stratégies de prompting maison, vrais benchmarks. Je ne crois pas au hype de l'IA : je l'ai mesuré.
La stack en icônes