Hasan-Basri CAGLAYAN

→ Projet Conception et développement d'un système sécurisé et automatisé d'extraction de données sur serveurs dédiés (Bare Metal) → Contexte • OVHcloud, leader européen du cloud, opère plus de 400 000 serveurs dans ses datacenters à travers le monde • L'équipe System Core est chargée d'industrialiser des solutions robustes au sein de la plateforme d'orchestration Bare Metal • Le projet vise à automatiser l'extraction des données présentes sur les serveurs clients, dans le respect des exigences techniques et réglementaires liées aux réquisitions judiciaires • L'équipe suit une démarche spec-first : les spécifications sont revues avant toute implémentation, avec une utilisation avancée de l'IA dans le développement → Réalisations • Responsable de la conception du système d'extraction, de la définition de l'architecture à la rédaction des spécifications fonctionnelles et techniques • Formalisation en Gherkin (approche BDD) de l'API de pilotage (Control Plane) et de l'agent de collecte (Data Plane), servant de base à la génération du code par IA • Développement en Go assisté par IA (Claude Code) de la chaîne d'extraction de bout en bout (démarrage en rescue via iPXE, extraction des images disque, chiffrement et transfert vers S3), avec revue et validation du code généré • Explorations et benchmarks pour valider les choix techniques (débit réseau, consommation RAM, CPU, temps d'exécution) • Optimisation des temps d'extraction grâce au traitement des disques en parallèle → Technologies • Golang, Gherkin, Bash • Linux, iPXE, Object Storage S3 • Claude Code

→ Projet Migration de PHP vers Go du BFF (Backend For Frontend) d'une plateforme de streaming à forte volumétrie, afin d'améliorer la scalabilité et réduire les coûts d'infrastructure → Contexte • Bedrock Streaming, joint-venture entre les groupes M6 et RTL, opère leurs services de streaming pour plus de 50 millions d'utilisateurs en Europe (France, Allemagne, Pays-Bas, Hongrie) • Développé en PHP, le BFF constitue le point d'entrée pour les applications frontend (web, mobile, tablette, TV) et orchestre les appels vers de nombreux microservices et la logique métier associée • Bedrock a engagé une refonte architecturale visant à introduire un proxy en Go pour optimiser la gestion des appels concurrents, réduire les coûts opérationnels et préparer la migration progressive du BFF vers Go → Réalisations • Conception d'une architecture basée sur les principes DDD pour faciliter la migration du BFF • Développement d'un proxy en Go destiné à devenir le nouveau point d'entrée des applications front • Implémentation de tests d'intégration en Gherkin (approche BDD) et de tests unitaires, garantissant la fiabilité et la non-régression de la plateforme • Déploiement et configuration du proxy sur Kubernetes via Helm dans un environnement cloud AWS • Provisioning et configuration de ressources cloud avec Terraform • Mise en place du routage API via Gloo Gateway (HTTPRoute) et configuration DNS via AWS Route 53 pour exposer le proxy et router le trafic vers les services backend • Référent sur les tests de charge et de performance au sein de l'équipe, en charge de valider la robustesse de la nouvelle architecture jusqu'à 6 000 utilisateurs/seconde • Conception et implémentation de scénarios de tests de charge en Java avec Gatling pour simuler des volumes de trafic réalistes et anticiper les pics liés aux événements majeurs comme la Coupe du Monde 2026 → Résultats • Réduction de 10 % des coûts d'infra. grâce aux premières versions du proxy mises en production • Amélioration de la résilience de la plateforme, renforçant sa robustesse face aux pics de trafic • Mise en place d'un framework de tests de charge structuré, garantissant la fiabilité et la pérennité des évolutions de la plateforme → Technologies • Golang, Uber Fx, Gherkin, Java, Gatling, PHP • GitHub Actions, Terraform, Docker, Kubernetes, Helm, AWS • New Relic, Grafana • Cursor

→ Projet Conception, développement et maintenance d'une application SaaS multi-tenant cloud-native basée sur une architecture microservices orientée événements → Contexte • Hardis Group est un acteur majeur dans l'édition de logiciels pour la Supply Chain et la logistique avec sa filiale Hardis Supply Chain • Le logiciel Hardis WMS (Warehouse Management System) a été lancé en 1994 et a été déployé sur Google Cloud Platform en 2023 dans sa version SaaS • L'objectif est de faire évoluer Hardis WMS SaaS afin de répondre aux besoins de ses clients, en suivant l'approche "You Build It, You Run It" → Réalisations • Développement d'APIs gRPC et REST avec modélisation Protobuf, optimisant la communication entre systèmes distribués et réduisant la latence des échanges • Mise en place de workflows résilients et scalables en Go avec Cadence, permettant l'exécution de processus métiers complexes, concurrents et asynchrones • Conception et évolution de microservices en Go dans une architecture distribuée, intégrant Apache Pulsar pour le streaming d'événements et Apache Flink pour le traitement de flux en temps réel • Implémentation de tests unitaires complets, améliorant la robustesse du code et réduisant les régressions • Déploiement et orchestration de conteneurs Docker sur Kubernetes (GKE) via Helm, garantissant une architecture hautement scalable • Optimisation des pipelines CI/CD via GitLab CI/CD, permettant une mise en production continue à grande échelle • Utilisation de ClickHouse et Grafana pour la supervision et l'observabilité en temps réel → Technologies • Golang, Cadence Workflow • GitLab CI/CD, Docker, Kubernetes, Helm, Google Cloud Platform (GCP) • PostgreSQL, Cassandra, OpenSearch • ClickHouse, Grafana

→ Projet Conception et développement d'une application web de vente de vêtements en ligne → Contexte • Ce projet a été réalisé pour Atos, une ESN française opérant également à l'international • Le but est de développer une application web de qualité en respectant un cahier des charges, avec les technologies C#, .NET et Angular → Réalisations • Réalisation des diagrammes de cas d'utilisation et de classes de l'application • Création et configuration d'une base de données SQL Server avec Entity Framework Core en suivant une approche Code First • Développement d'une API REST avec ASP.NET Core en utilisant le Repository Pattern pour isoler la couche d'accès aux données de la couche métier et faciliter la maintenance de l'application • Intégration de JWT (JSON Web Tokens) à l'API web pour garantir une authentification sécurisée des utilisateurs • Développement d'une application Angular suivant une architecture en modules avec un découpage structuré et organisé des composants pour obtenir un code source extensible • Mise en place du Lazy Loading d'Angular pour accélérer le temps de chargement de l'application et améliorer ses performances • Implémentation d'une interface utilisateur conviviale, intuitive et responsive avec Bootstrap • Gestion du code source de l'application avec GitHub → Résultats • Projet livré dans le respect des délais • Création d'une application répondant à l'ensemble du cahier des charges → Technologies • C#, ASP.NET Core, LINQ, Entity Framework Core • SQL Server • TypeScript, Angular, RxJS, Bootstrap • GitHub

→ Projet Intégration de l'analyse d'incertitudes à une méthode utilisée en électronique pour l'identification de sources électromagnétiques → Contexte • La méthode LCCF (Linear Combination of Configuration Fields) mise au point par l'Institut Pascal est une méthode numérique utilisée pour résoudre des problèmes linéaires inverses • La méthode permet d'identifier la (ou les) source(s) afin d'imposer une grandeur électromagnétique mesurable (champ électrique, champ magnétique, tension, courant) en un (ou plusieurs) point(s) de l'espace durant un intervalle de temps prédéfini • Le premier but est d'implémenter la méthode LCCF en Python • Le second objectif est d'intégrer la méthode de collocation stochastique à la méthode LCCF pour prendre en compte les incertitudes lors de calculs numériques → Réalisations • Développement d'un programme Python interfacé avec le logiciel LTspice de simulation de circuits électroniques pour appliquer la méthode LCCF sur des réseaux de lignes de transmission • Vérification que les sources LCCF obtenues ont souvent des amplitudes élevées et qu'elles ne peuvent pas être reproductibles expérimentalement • Modélisation d'une chaîne d'amplification dans LTspice pour obtenir des sources LCCF valides en termes d'amplitudes • Implémentation de la chaîne d'amplification dans le programme Python initial et démonstration que les amplitudes des sources LCCF obtenues ont diminué • Évolution du programme Python pour intégrer la méthode de collocation stochastique à la méthode LCCF et prendre en compte les incertitudes apportées par la chaîne d'amplification • Analyse de l'effet des incertitudes sur les sources LCCF (moyenne et écart-type) → Résultats • Implémentation de la méthode LCCF déterministe et stochastique en Python • Présentation et partage du code source aux membres de l'équipe CEM de l'Institut Pascal • Publication prévue d'articles scientifiques sur la base de ces travaux → Technologies • Python (pandas, NumPy, SciPy, Matplotlib) • LTspice

→ Projet Automatisation d'un banc de test de semi-conducteurs → Contexte • Le banc de test HCSW (High Current Switching) est dédié à la caractérisation dynamique de semi-conducteurs de puissance • Le banc de test est commandé manuellement, car 3 interfaces différentes sont nécessaires : 1) Contrôle des séquences de test : interface Simulink Real-Time Explorer (modèle Simulink lancé sur une machine cible temps réel Speedgoat) 2) Contrôle de l'alimentation haute tension : interface LabVIEW 3) Contrôle de l'oscilloscope : bureau à distance Windows (Windows Remote Desktop) • Le but est de développer une unique IHM LabVIEW pour contrôler l'ensemble du banc HCSW et l'automatiser afin de gagner en temps d'exécution, tout en conservant le même hardware → Réalisations • Analyse de l'architecture matérielle et logicielle existante du banc HCSW • Application du protocole Ethernet TCP/IP pour la communication de données entre un programme LabVIEW (serveur) et un modèle Simulink lancé sur une machine cible Speedgoat (client) • Modification du modèle Simulink du banc HCSW pour permettre l'échange de données via TCP/IP avec la nouvelle IHM LabVIEW • Adaptation du programme LabVIEW de l'alimentation haute tension pour pouvoir l'intégrer dans la nouvelle IHM LabVIEW du banc de test • Téléchargement et paramétrage du driver LabVIEW de l'oscilloscope pour sauvegarder les mesures dans sa mémoire locale à la fin de chaque test • Développement de la nouvelle IHM LabVIEW du banc HCSW, disposant d'un mode manuel et d'un mode automatique, par l'implémentation d'une machine d'état • Test et validation de la nouvelle IHM LabVIEW du banc en conditions réelles → Résultats • Optimisation du logiciel du banc HCSW en fusionnant 3 interfaces utilisateur en 1 seule, améliorant ainsi l'expérience utilisateur • Automatisation du banc assurée, permettant de lancer une série de tests à partir de paramètres contenus dans un fichier ".csv" • Mise en service avec succès de la nouvelle IHM LabVIEW • Rédaction d'une notice d'utilisation → Technologies • LabVIEW • MATLAB/Simulink • C • TCP/IP

→ Projet Développement de l'interfaçage entre deux logiciels → Contexte • Le LMCM (Laboratoire des Matériaux et Composants Magnétiques) du CEA-Liten a développé un programme Scilab d'optimisation géométrique de transformateurs haute fréquence, générant des géométries valides de transformateurs à partir d'un cahier des charges et de contraintes de dimensionnement (volume, rendement, température) • Cet outil estime les pertes et les échauffements dans un transformateur via un modèle thermique • Le LMCM coopère avec le L2EP (Laboratoire Électronique, Énergie et Puissance) du CEA-Leti en utilisant le logiciel LTspice de simulation de circuits électroniques, mais qui ne prend pas en compte le comportement thermique des transformateurs lors de simulations • Le but est de retranscrire le modèle thermique du programme Scilab dans LTspice pour qu'il puisse afficher la température des transformateurs en fonction des formes d'ondes appliquées, et ce sans passer par le programme Scilab → Réalisations • Analyse du code Scilab d'optimisation géométrique de transformateurs • Lancement de calculs d'optimisation dans le cadre du projet NENUFAR (Next gEneration of eNergy storage solUtions For more electricAl aiRcrafts) et présentation des résultats • Identification et isolation du modèle thermique dans un code Scilab séparé pour pouvoir lancer des calculs thermiques sur des géométries de transformateurs déjà obtenues • Développement de 3 scripts Scilab générant automatiquement des fichiers ".cir" pour l'analyse thermique de transformateurs haute fréquence dans LTspice → Résultats • Interfaçage développé avec succès entre le programme Scilab et le logiciel LTspice • Rédaction d'une notice d'utilisation → Technologies • Scilab (alternative de MATLAB) • LTspice