~/portfolio · agent runtime

ArnaudAldebert

Développeur Fullstack & Systèmes IA

Du front au cloud, et jusqu’aux agents : des applications testées, déployées, maintenables.

Nîmes, France · remote friendly

frontendAngular · React✓backendJava · Spring · Node✓devopsCI/CD · Docker✓cloudKubernetes · Argo CD✓databasesSQL · NoSQL✓genaiLLM · RAG✓agentsworkflows · MCP✓qualitytests · reviews✓frontendAngular · React✓backendJava · Spring · Node✓devopsCI/CD · Docker✓cloudKubernetes · Argo CD✓databasesSQL · NoSQL✓genaiLLM · RAG✓agentsworkflows · MCP✓qualitytests · reviews✓frontendAngular · React✓backendJava · Spring · Node✓devopsCI/CD · Docker✓cloudKubernetes · Argo CD✓databasesSQL · NoSQL✓genaiLLM · RAG✓agentsworkflows · MCP✓qualitytests · reviews✓frontendAngular · React✓backendJava · Spring · Node✓devopsCI/CD · Docker✓cloudKubernetes · Argo CD✓databasesSQL · NoSQL✓genaiLLM · RAG✓agentsworkflows · MCP✓qualitytests · reviews✓

01 · retrieve()À propos

Contexte récupéré

Ce que le RAG remonte sur le candidat

Le bon code ressemble à un bon prompt : clair, typé et sans ambiguïté. Je construis des systèmes qui restent lisibles — par les humains, les tests et les agents.

Bac+5▸ Master ESIEA

3+▸ années d'expérience

Fullstack▸ front · back · DevOps

FR/EN▸ bilingue professionnel

Développeur Fullstack passionné par l'architecture logicielle et les bonnes pratiques de développement. Mon expertise se concentre sur la création d'applications robustes et leur maintenabilité à long terme.

En charge de la standardisation technique d'environnements critiques, je privilégie un code testé et performant pour transformer la complexité technique en stabilité opérationnelle.

Documents récupérés

Identité: Arnaud Aldebert — Nîmes, France
Rôle: Développeur Fullstack & Systèmes IA · front, back, DevOps
Expérience: 3+ ans — banque, services & immobilier
Formation: Master ESIEA (Bac+5) — RNCP niveau 7
Langues: FR · EN (TOEIC 910)
Base: Nîmes, France · remote friendly

02 · tools()Prestations

Outils exposés

Ce que je peux construire pour vous — quatre outils, quatre preuves

search_private_data()

Recherche & assistant sur données privées

Le problème: Des milliers de documents internes inexploitables, et l’interdiction de les envoyer à un service tiers.
Ce que je livre: Ingestion, indexation vectorielle, recherche hybride sémantique et lexicale, réponses sourcées avec citations vérifiables, cloisonnement strict par utilisateur — et la qualité de récupération mesurée en continu, pour qu’une régression se voie avant la mise en ligne.
Preuve: KeepForLater — pgvector/HNSW fusionné par RRF avec le full-text Postgres, citations surlignées au passage exact, recherche qui traverse les langues, harnais d’évaluation rejouable en intégration continue.

RAGpgvectorEmbeddingsRecherche hybrideÉvals

run_llm_workflow()

Workflows LLM fiables et mesurés en production

Le problème: Des traitements IA qui plantent à mi-chemin, produisent du JSON invalide, coûtent cher à relancer — et dont personne ne sait dire ce qu’ils coûtent vraiment ni si leur qualité a baissé.
Ce que je livre: Pipelines durables reprenant à l’étape échouée, sorties structurées validées par schéma, outils exposés en MCP. Et le dispositif qui va avec : coût, latence et version de prompt tracés à chaque appel, prompts versionnés avec garde anti-dérive, évaluations automatiques en garde de non-régression.
Preuve: KeepForLater — cinq étapes checkpointées, Zod de bout en bout, serveur MCP, une ligne de télémétrie par appel émis (échecs compris), traces exportées vers Langfuse, environnements de test et de production séparés.

Workflows LLMStructured OutputsMCPLLMOpsFinOps IA

harden_app()

Modernisation & fiabilisation d’applications

Le problème: Une application critique que plus personne n’ose modifier : sans tests, lente, coûteuse à faire évoluer.
Ce que je livre: Audit de dette, typage strict, suppression du code mort, stratégie de tests complète, optimisation des temps de chargement, déploiements automatisés. La même exigence s’applique aux briques IA : ce qui n’est pas mesuré ne peut pas être maintenu.
Preuve: DSI La Poste — de 0 % à plus de 90 % de couverture, plus de 6000 tests, temps de chargement divisé par deux sur des applications critiques.

Audit & refactoringStratégie de testsCI/CDAngular

ship_product()

Application fullstack de bout en bout

Le problème: Une idée de produit, aucune équipe technique, et le besoin de quelqu’un qui prenne tout en charge jusqu’à la production.
Ce que je livre: Architecture, front, API, base de données, hébergement, CI/CD, mise en ligne et transfert de connaissances.
Preuve: Mazarin International Real Estate — solution complète livrée seul, du choix d’architecture au déploiement ; KeepForLater — produit en production avec paiement et conformité RGPD.

AngularReactSpring BootServerless / Edge

Parler de votre besoin ↗

03 · analyze()Compétences

Analyse de la stack

Sept modules chargés en mémoire

import Web

HTMLCSSTailwindJavaScriptTypeScriptAngularReactViteJavaSpring BootNode.jsBunHono.jsHono RPCZodBetter AuthStripe

import Mobile

JavaKotlinFlutterIonic / Capacitor

import DevOps / Cloud

CI/CDGitDockerKubernetesGitLab CIArgo CDGitHub ActionsJenkinsScalewayCloudflare Workers / WorkflowsServerless / EdgePostHogSentry

import Bases de données

SQLMySQLPostgreSQLNeonpgvectorDrizzle ORMPrisma ORMNoSQLMongoDB

import IA & GenAI

LLMRAGEmbeddingsRecherche sémantiqueChunkingPrompt engineeringStructured OutputsWorkflows LLMAgentsMCPVercel AI SDKGeminiMultimodalTTSLLMOpsLangfuseObservabilité, évaluation et calibration de LLMFinOps IA

import Outils IA

Claude CodeCursorCopilotCodexMCPSkills

import Gestion de projet

JiraTrelloAgileScrumKanban

04 · build()Expérience & projets

Déploiements en prod

Projets conçus seul et missions livrées — logs de build à l’appui

projetsCe que je construis

keepforlater/app:prod#412 · passedEn production

KeepForLater — second cerveau IA

Projet personnel · conception & développement

Plateforme SaaS qui transforme l'infobésité en savoir interrogeable : elle ingère des sources longues (YouTube, podcasts, articles, threads, newsletters), les distille par IA, les indexe vectoriellement et permet de dialoguer avec sa base de connaissances. Conçue, développée et déployée seul de bout en bout — architecture, produit, edge, IA, paiement et conformité.

Métriques

Workflow LLM durable (Cloudflare Workflows) : extraction → distillation → catégorisation → embedding → finalisation, chaque étape checkpointée, idempotente et réessayée indépendamment — si l’embedding échoue, la transcription n’est pas re-facturée.
Structured Outputs stricts : toute la distillation (TL;DR, points clés, concepts, résumé narratif, chapitrage horodaté) sort en JSON validé par Zod via l’AI SDK, avec auto-évaluation de fidélité (groundedness) affichée dans l’interface.
RAG hybride : recherche dense (pgvector, index HNSW, embeddings 512-d) fusionnée par RRF avec une recherche lexicale full-text Postgres, chunking sémantique à chevauchement, diversification par source, chat streamé en SSE avec citations vérifiables et surlignage du passage exact.
Recherche trans-linguistique FR ⇆ EN par le sens, évaluée : harnais d’éval RAG rejouable en CI.
Transcription multimodale native : les médias longs sont segmentés par plages d’octets puis transcrits par Gemini, contournant la limite de sortie du modèle.
Serveur MCP (Streamable HTTP) : le second cerveau exposé comme outils — search_sources, get_source, save_url — directement utilisable depuis Claude, ChatGPT ou Cursor.
Rétention active : quiz générés à la demande (QCM, vrai-faux, flashcards) en sortie structurée, révision espacée SM-2 avec streak et sujets faibles, graphe de connaissances type Obsidian (co-occurrences et similarité sémantique), synthèse vocale 30 voix avec cache edge et podcast privé.
Automatisations de veille : 7 types de surveillance (chaînes et playlists YouTube, subreddits, flux RSS, mots-clés, digest hebdomadaire) exécutés par cron Workers avec e-mails transactionnels.
Trois surfaces produit : web SSR + PWA installable (offline léger, Web Push), extension WXT cross-navigateur (Chrome MV3, Firefox) et serveur MCP — monorepo Bun typé de bout en bout par Hono RPC et schémas Zod partagés.
Économie de l’IA maîtrisée : coûts par action mesurés via usageMetadata, système de crédits calé sur le coût réel, abonnements et packs Stripe, paywall doux ; observabilité PostHog/Sentry chargée uniquement après consentement RGPD.
LLMOps complet : une ligne de télémétrie par appel émis — échecs compris, puisqu’ils sont facturés — registre de prompts versionnés avec garde anti-dérive en intégration continue, évaluations déterministes gratuites à chaque contribution et juge LLM indépendant en nocturne, traces exportées vers Langfuse depuis le runtime edge, environnements de développement, test et production séparés.

Stack

Bun WorkspaceReact 19Hono RPCCloudflare WorkersWorkflowsAI SDKGeminiRAG hybridepgvectorNeon PostgresDrizzleZodMCPBetter AuthStripeWXTLLMOpsLangfuse

Lire l’étude de cas →Inspecter le déploiement ↗

mcp-rncp/worker:prod#58 · passedEn production

mcp-rncp — le RNCP dans les assistants IA

Projet open source · conception & développement

Serveur MCP (Model Context Protocol) qui met les répertoires nationaux des certifications professionnelles (RNCP, RS — données ouvertes France compétences) directement dans Claude, ChatGPT ou Cursor : validité d'une fiche, blocs de compétences EDOF, habilitation d'un SIRET, recherche par niveau ou domaine. Gratuit, sans clé API, réponses sourcées et datées. Conçu, développé et hébergé seul : ingestion, moteur de recherche, CLI npm, Worker Cloudflare, site.

Métriques

Ingestion hebdomadaire automatisée : 570 Mo de XML parsés en streaming, base SQLite/FTS5 de 30 000 fiches reconstruite en moins d'une minute, publiée en release GitHub et chargée dans Cloudflare D1 sans interruption (deux bases blue/green).
Un seul code d'outils (SDK MCP v2, Zod) pour deux runtimes : CLI npm stdio (node:sqlite) et Worker Cloudflare Streamable HTTP avec rate limit, cache et logs JSON.
Recherche plein texte BM25 + synonymes français évaluée en CI sur 46 questions réelles : recall@5 de 96 %, exactitude validité/habilitation à 100 %.
Publié sur npm et le registre MCP officiel ; site SEO/GEO (données structurées, llms.txt) rendu côté serveur sans JavaScript.

Stack

MCPTypeScriptBun WorkspaceCloudflare WorkersD1SQLite FTS5HonoZodGitHub ActionsnpmÉvals CI

Inspecter le déploiement ↗

expériencesExpériences professionnelles

laposte/front:prod#2647 · passedEn production

Standardisation Front-End — DSI La Poste

Développeur Front-End Angular · Klanik

Mission de développeur Front-End Angular au sein de la DSI La Poste, centrée sur la standardisation de l'écosystème sur plusieurs référentiels (Offres, Contrats, Produits). J'ai porté les choix techniques sur mon périmètre pour réduire la dette technique, fiabiliser les applications critiques et faire émerger des standards durables.

Métriques

Audit, refactoring et clean code : typage strict, suppression du code mort, bonnes pratiques Angular 19.
Modernisation de la réactivité via les Signals et refonte des mécanismes de chargement (−50 % de temps de chargement).
Stratégie QA complète : environnement Jasmine/Karma, passage de 0 % à +90 % de couverture (+6000 tests).
Déploiements automatisés via Jenkins, intégration des bonnes pratiques IA et travail en équipe Scrum.

Stack

Angular 19SignalsJasmine / KarmaJenkins

mazarin/fullstack:prod#312 · passedLivré

Mazarin International Real Estate

Mission freelance · Auto-entreprise

Conception et déploiement d'une solution complète pour une agence immobilière de prestige à Paris. De l'architecture à la mise en production, j'ai pris en charge l'ensemble de la stack pour livrer un produit fiable, performant et prêt à l'usage métier.

Métriques

Site vitrine responsive haute performance en Angular 20, orienté conversion et image de marque premium.
API Java 21 / Spring Boot 3.5+ pour la gestion des emails transactionnels et la logique métier.
Architecture serverless containers sur Scaleway, gestion des domaines et configuration Google Workspace.
Pipelines CI/CD GitHub Actions pour le build et le déploiement automatique en production.

Stack

Angular 20Java 21Spring BootScalewayGitHub Actions

ca/portail:prod#1893 · passedLivré

Portail client — Crédit Agricole

Développeur web · CATS Montpellier

Deux ans de missions au sein de Crédit Agricole Technologies & Services sur des environnements bancaires critiques. J'ai contribué au site grand public, à l'intégration de nouveaux parcours clients et au portail microservices, en garantissant performance et fiabilité en production.

Métriques

Évolutions du site internet à destination des clients particuliers et professionnels.
IHM pour l'intégration de nouveaux parcours clients digitaux (comptes, crédits, épargne, assurances).
API microservices pour le nouveau portail : authentification, simulateurs, gestion des contrats.
Diagnostic et correction d'anomalies sur les environnements de test et de production, en méthode Agile/Scrum.

Stack

Angular 17–19Java 11–21Spring BootAEMKubernetesArgo CD

05 · pipeline()Méthode de travail

Le pipeline

Extrait de la documentation — quatre étapes, aucune exception

Comprendre le métier

Lire le besoin avant d’écrire une ligne. Le meilleur code est celui qu’on n’écrit pas — le second meilleur résout le vrai problème.

Tout tester

Typage strict, tests automatisés, revues systématiques : la confiance se construit dans le pipeline, pas en production. Un code sans tests est une dette.

Tout automatiser

De l’intégration continue au déploiement : chaque commit passe le pipeline. Les humains font la revue, les machines la routine.

Maintenir longtemps

La maintenabilité bat le quick win. Un code qui se lit encore dans cinq ans — par un humain ou par un agent.

06 · fine_tune()Apprentissages — technos, notions & certifications

Fine-tuning en cours

Le modèle s’entraîne en continu

React

Entraînement actif

Intelligence artificielleGenAI, LLM, RAG, Agents, Workflows

Entraînement actif

UnityCréation de jeux vidéo — formation Udemy

Dans la file

BlenderFormation Udemy

Dans la file

Three.js / React Three Fiber

Dans la file

Certified Mid-Level Angular DeveloperCertificates.dev

Dans la file

07 · cron()Passions & centres d’intérêt