Amina YAHIA

Fiabilisation du traitement des événements critiques du réseau électrique : Contexte : – Dans le cadre de ses applications internes, Enedis a lancé un projet stratégique visant à fiabiliser le traitement des événements critiques du réseau électrique HTA et BT. Le projet repose sur des microservices Java avec Spring Boot, un traitement événementiel via Kafka, et une sécurisation des accès via Spring Security, afin de garantir la continuité de service, la performance des flux critiques et la qualité des informations pour les équipes d'exploitation. Tâches: – Conception et développement backend : Création de microservices Spring Boot modulables pour gérer les flux critiques du réseau électrique, avec architecture résiliente, haute disponibilité, authentification sécurisée via Spring Security et APIs REST performantes. – Traitements asynchrones et streaming : Développement de pipelines Kafka pour le traitement en temps réel des événements, gestion des erreurs et retries, supervision fine des flux et latences. – DevOps, CI/CD et supervision : Containerisation avec Docker, build et gestion des dépendances avec Maven, pipelines GitLab CI/CD automatisant build, tests, packaging et déploiement, déploiement sur Kubernetes avec infrastructure as code via Terraform, Ansible et Helm, supervision applicative et des flux via Prometheus et Grafana. – Développement frontend React : Réalisation de dashboards interactifs temps réel, composants réutilisables et visualisation des alertes critiques, optimisation de la state management et performances côté client pour les équipes métier. – TDD et qualité : Mise en place de tests unitaires et d'intégration avec JUnit et Mockito, suivi de la qualité avec SonarQube, refactorings réguliers et adoption des standards Spring et React pour maintenir l'évolutivité du code. – Résultats : Le code modulable et les dashboards, augmentant de 50 % la visibilité des indicateurs réseau, permettent aux déploiements automatisés sur Kubernetes d'assurer rapidité, sécurité et continuité de service pour les flux critiques HTA/BT.

Traitement et visualisation des données météorologiques et alertes: Contexte : – Météo-France a lancé un projet stratégique visant à fiabiliser le traitement, l'analyse et la visualisation des données météorologiques et des alertes, incluant des données géospatiales via SIG, développé en Java 11 avec Spring Boot, Spring Data pour la gestion des données, Spring Batch pour les pipelines ETL et le traitement de volumes massifs, Spring Security pour sécuriser les accès, avec PostgreSQL/PostGIS et Oracle pour le stockage, supervision via Prometheus et Grafana, et déploiements automatisés via Docker et GitLab CI/CD. Tâches: – Développement frontend React : Création de dashboards interactifs permettant aux analystes de suivre les alertes et indicateurs météo avec visualisation cartographique et composants modulaires. – Conception et développement backend : Création de services Spring Boot capables de traiter et analyser des volumes massifs de données météorologiques et géospatiales, avec architecture modulaire, haute disponibilité et API REST performantes. – Sécurité et accès : Mise en place d'une sécurisation avancée des API avec authentification, gestion fine des permissions, audit des appels et limitation des requêtes afin de garantir performance, fiabilité et protection des services pour tous les consommateurs. – Traitements ETL et batch : Mise en place de pipelines ETL avec Spring Batch pour extraire, transformer et agréger les données météo et alertes, avec parallélisation, gestion des erreurs, retries et optimisation via Redis pour les calculs répétés. – SIG et géolocalisation : Intégration de PostGIS et outils SIG pour gérer les données spatiales, calculer les zones d'alerte et fournir des cartes dynamiques sur les dashboards. – Sécurité et accès : Implémentation de Spring Security pour sécuriser les API et contrôler les accès aux données sensibles pour les équipes métier et opérationnelles. – DevOps & CI/CD : Containerisation avec Docker, pipelines GitLab CI/CD automatisés pour builds, tests et déploiements, avec automatisation via Bash, supervision complète via Prometheus et Grafana. – TDD & qualité : Mise en place de tests unitaires et d'intégration avec Spring Test et Jest, adoption des meilleures pratiques Java/Spring et React pour garantir la qualité et la maintenabilité du code. – Résultats : La plateforme a permis de traiter et d'analyser des volumes massifs de données météorologiques et géospatiales avec haute fiabilité, de fournir des dashboards dynamiques et cartographiques pour une meilleure prise de décision opérationnelle, et d'assurer des déploiements automatisés, scalable et maintenable via Docker et CI/CD.

Contexte : – Développement d'une plateforme interne de recrutement structurée en microservices, pour centraliser les candidatures, automatiser les workflows RH et permettre un suivi temps réel des processus, développée en Java avec React pour le frontend, PostgreSQL pour la gestion des données. Le projet visait à concevoir une application scalable, performante et maintainable, offrant une interface réactive et ergonomique pour les recruteurs. Tâches: – Analyse des besoins : Collecte des exigences auprès des recruteurs et utilisateurs finaux, en se concentrant sur la fluidité des échanges, la traçabilité des candidatures et l'organisation des workflows. – Développement Frontend : Création d'une interface moderne et dynamique avec Angular, permettant la visualisation en temps réel des candidatures et des étapes de traitement. – Développement Backend : Création de services métiers avec Java 11 et Spring Boot, sécurisation des endpoints via Spring Security, persistance avec PostgreSQL et optimisation des performances grâce à Redis. – Architecture et microservices : Développement de microservices modulaires pour gérer candidatures et workflows, avec structuration hexagonale garantissant l'indépendance du cœur métier. Utilisation de Netflix Eureka pour la découverte et la communication fluide entre les microservices. – Traitements asynchrones : Gestion de notifications et alertes automatisées côté backend, avec isolation des services pour garantir fiabilité et performance. – Containerisation et CI/CD : Containerisation via Docker, pipelines GitHub Actions automatisant build, tests, packaging et déploiement, garantissant la cohérence et la reproductibilité des environnements. – TDD & DDD : Tests unitaires et d'intégration avec JUnit et Mockito, adoption de TDD/DDD pour robustesse et maintenabilité. – Résultats : Développement d'une plateforme interne unifiée et réactive, améliorant la gestion des candidatures et des workflows RH, et facilitant la sélection rapide des meilleurs profils pour répondre efficacement aux besoins du recrutement.