Salut, moi c’est Alexandre ! Diplômé d’un bac +5 en informatique, spécialisé data, j’ai bossé 5 ans comme développeur full stack dans deux…
depuis la création du compte
Confiez votre projet à Alexandre
Faites appel à l'expertise d’Alexandre pour faire avancer votre projet, ou découvrez d‘autres freelances pour trouver celui qui correspondra parfaitement à vos besoins.
Salut, moi c’est Alexandre !
Diplômé d’un bac +5 en informatique, spécialisé data, j’ai bossé 5 ans comme développeur full stack dans deux startups SaaS. J’ai ensuite créé et lancé deux SaaS de A à Z, de l’idée jusqu’au déploiement en production.
Je maîtrise toute la stack web, notamment Python (Flask), MongoDB et Vue.js, et j’ai l’habitude de gérer tout ce qui touche à l’API, au frontend, à la gestions de donnée, à l’automatisation, à l’intégration (Stripe, OpenAI, etc.) et au déploiement cloud.
J’aime avant tout comprendre les besoins réels derrière chaque projet, identifier les vrais problèmes et y répondre de la manière la plus efficiente possible.
J’aime les projets concrets, l’efficacité, et je suis à l’aise aussi bien pour lancer un nouveau produit que pour faire évoluer une solution existante.
Si vous voulez en discuter ou débloquer une problématique technique, envoyez-moi un message je serais ravi de comprendre votre besoin !
Alexandre
J’ai fondé Sendra, un SaaS conçu pour aider les entreprises à maintenir une présence régulière et cohérente sur leurs réseaux sociaux, sans perdre de temps. L’outil génère automatiquement du contenu personnalisé pour chaque plateforme à partir du site web de l’entreprise.
J’ai mené l’intégralité du développement technique, de l’architecture backend à l’automatisation des workflows IA, en passant par l’UX, le déploiement et l’intégration des paiements.
🔧 Missions réalisées :
Architecture complète de l’application (backend Flask + MongoDB, frontend Vue.js, tâches asynchrones avec Celery et Redis, APIs AI)
Développement d’un système d’analyse automatique de site web pour extraire : nom, description, services, messages clés, cible marketing, ton, etc.
Génération de contenus multicanaux via des agents IA (Facebook, Instagram, LinkedIn, X, Email, Blog), avec adaptation à chaque format et ton
Intégration d’OpenAI pour la génération des contenus
Développement d’un onboarding fluide et intelligent, incluant tutoriel interactif (Shepherd.js) et génération de contenus guidée
Implémentation de Stripe (checkout, webhooks, abonnements, version gratuite, expiration, upgrade)
Système de progression en temps réel des tâches IA avec Celery + Redis + Pusher (affichage en direct des étapes de génération)
Déploiement full Dockerisé avec CI/CD GitLab, nom de domaine custom, HTTPS via Let’s Encrypt
🛠️ Stack technique :
Python, Flask, MongoDB, Vue.js, Celery, Redis, Pusher, Docker, GitLab CI/CD, Stripe, OpenAI API, Shepherd.js
J’ai fondé Looty, une plateforme SaaS dédiée aux collectionneurs, conçue pour faciliter la gestion, la valorisation et le suivi de leur collection personnelle ou professionnelle.
En tant que fondateur, j’ai assuré l’intégralité de la conception, du développement et du déploiement technique de l’application, de l’architecture backend aux interfaces frontend, jusqu’à l’automatisation des processus internes.
🔧 Missions réalisées :
Architecture et développement complet du backend en Flask (Python) + MongoDB
Authentification (email + Google OAuth)
Gestion fine des utilisateurs, collections, objets, catégories, tags, notes, images, etc.
API REST performante avec tri, recherche, filtres, pagination, etc.
Intégration complète de Stripe (checkout, webhooks, gestion des plans, résiliations)
Développement frontend avec Vue.js
Tableaux dynamiques (tri, pagination personnalisée)
Drag & drop d’images, tri des images, visualisation fluide
Dashboard analytique en temps réel
Automatisation avec Celery (génération de statistiques quotidiennes, exports Excel, etc.)
Mise en place de scripts d’import massif permettant l’intégration automatisée d’un catalogue de plus de 300 000 objets via parsing, structuration et nettoyage des données
Déploiement full Dockerisé sur VPS avec CI/CD GitLab, gestion HTTPS via Let’s Encrypt, configuration nom de domaine custom
🛠️ Stack technique :
Python, Flask, MongoDB, Vue.js, Celery, Docker, GitLab CI/CD, Redis, Stripe, Pusher, Excel, Let's Encrypt
Chez Homeys, j’ai occupé un rôle central dans la structuration et le traitement de la donnée énergétique, en contribuant à la fois au développement Python, à l’architecture data, au monitoring des systèmes et à l’intégration en production de modèles d’intelligence artificielle.
🔧 Missions principales :
Conception et développement de workflows robustes de récupération de données issues d’APIs (Enedis, GRDF) et de flux IoT, avec mise en place de la logique métier de contrôle, validation et historisation.
Structuration, modélisation et nettoyage des données pour une exploitation efficace dans les calculs et analyses.
Développement de modules Python pour effectuer des calculs métiers avancés (consommation énergétique, agrégations temporelles, détection d’anomalies).
Contribution à la définition de l’architecture data (modèle de données, organisation des flux, performance).
Mise en place de systèmes de monitoring pour assurer le suivi des pipelines de données et la détection proactive des anomalies ou ruptures de flux.
Intégration en production de modèles d’IA développés par les data scientists, en assurant la gestion des inputs/outputs, le versioning, la robustesse et l’automatisation des appels aux modèles.
🛠️ Stack utilisée :
Python (Pandas, NumPy, requests, etc.)
APIs Enedis / GRDF, flux IoT
Bases de données (MongoDB)
Déploiement IA : intégration de modèles en production en garantissant des performances cohérence avec les besoins d'utilisation et de façon à les rendre exploitable dans le processus de traitement initial.
Master Informatique spécialisé dans la donnée (Ingénierie logiciel, Big data, Data mining, Machine learning, BI...)
https://www.coursera.org/account/accomplishments/verify/QK6QD6NELXJ6
Formation complète aux fondamentaux du machine learning : régressions (linéaire, logistique), classification, arbres de décision, SVM, K-means, réduction de dimension (PCA), validation croisée et évaluation de modèles. Utilisation de Python et scikit-learn pour les exercices pratiques.
https://www.coursera.org/account/accomplishments/verify/2N6P85E38UCJ