Disponible pour une mission
Hakim AssouaneDéveloppeur back-end senior · Systèmes distribués
9 ans à concevoir la partie du produit que personne ne voit et dont tout dépend : APIs, files d'événements, modèles de données et l'observabilité qui garde le tout honnête.
export const developer = { name: "Hakim Assouane", role: "Backend Engineer", stack: ["NestJS", "PostgreSQL", "Kafka"], focus: "systèmes distribués", experience: 9, status: "available",} as const;
Marketplace à deux faces qui met en relation joueurs et maîtres de jeu : recherche et réservation de sessions côté joueurs, création d'annonces, gestion des tables et monétisation côté MJ. Conçu, développé et exploité seul, de l'architecture à la production.
Produit mené seul, de l'archi au run
Plateforme d'ingestion de données à grande échelle en architecture microservices event-driven. Responsabilité complète du pipeline de notification / ACK : moteur de fusion de données avec résolution de conflits et patterns de résilience pour l'ingestion à fort volume.
225+ sociétés membres · 120+ pays · 40+ règles de validation
Responsable unique de la stack technique d'un ATS en production : fonctionnalités, modèle de données, infrastructure et exploitation. Refonte du pipeline de génération de CV en PDF côté serveur (PDFKit / Sharp) pour sortir de Puppeteer et de Chrome headless.
16 s → 5 s (−69 %) · −40 % de coûts d'infra · 60 000+ profils
ERP construit de zéro pour un industriel de l'emballage. Choix d'architecture et de stack orientés scalabilité, en anticipant le passage à une plateforme SaaS, avec Kafka entre les domaines métier. Doublé d'une brique data (Airbyte, BigQuery, Looker Studio) pour les dashboards marketing.
+50 % de productivité pour l'équipe commerciale
Cinq étapes, dans cet ordre. Les cartes se déplacent à la souris — le contenu se lit très bien sans y toucher.
Avant tout schéma, je cartographie le métier et les vraies contraintes.
La plupart des mauvaises architectures répondent bien à la mauvaise question.
Le modèle de données survit toujours au code qui le lit.
États explicites, contraintes réelles, pas de tables tout-en-nullable.
Timeouts, retries, idempotence et backpressure sont des fonctionnalités.
Je pars du principe que le réseau, le disque et le tiers vont lâcher.
Traces, métriques et logs structurés dès le premier jour.
Ce que je ne vois pas dans un dashboard n'existe pas en production.
Des déploiements petits et réversibles, derrière des flags, puis on mesure.
Une mise en production ennuyeuse, c'est exactement le but.
Disponible pour une mission
Un back-end qui doit tenir, un pipeline qui doit passer à l'échelle, ou un système qui fait déjà mal : les trois m'intéressent.