Bonjour 👋, moi c’est
Développeuse Full Stack & DevOps
Passionée par la création de solutions robustes, scalables et innovantes. J’aime transformer des idées complexes en produits simples et performants.
Ma stack principale
En chiffres
Filtrer par compétence
Ces projets ne sont pas de simples fiches : ils tournent, en ce moment, pour vous montrer ce site : l’application elle-même, sa sécurité réseau, la CI/CD et l’infrastructure qui la déploie.

Epitech
Chaîne CI/CD GitHub Actions et supervision Prometheus/Grafana/Alertmanager, construites pour ce projet Epitech, aujourd’hui recyclées pour déployer et surveiller ce portfolio en direct.
42
Provisionne une VM Azure en Terraform et déploie une stack Docker Compose derrière nginx en TLS, de zéro à HTTPS. Le même rôle Ansible, VM-agnostique, déploie aujourd’hui ce portfolio sur un VPS externe, sans Terraform ni compte cloud à provisionner.
Projet personnel, en cours
Ce portfolio n’a qu’une seule porte d’entrée sur Internet, nginx, qui vérifie qui a le droit d’entrer, où chaque visiteur doit aller, et empêche les comptes de démo de se mélanger.

Projet personnel, en cours
L'application de mise en relation familles d'accueil / associations pour animaux qui constitue ce site : profils FA (logement, ententes chat/chien/enfant, espèces acceptées), fiches animaux filtrables (espèce, âge, département, urgence), matching géographique FA ↔ animal et candidatures avec cycle de statut complet (envoyée, en discussion, acceptée, placée). Démo full-stack (NestJS, Next, Postgres, JWT httpOnly), toujours en développement actif.
Projets d’école et personnels, choisis pour ce qu’ils montrent de mon profil, pas la liste complète.

Projet personnel, en cours
Application de suivi de recherche d’emploi : collecte des offres de dix sources, classement par score de pertinence, fusion des doublons et suivi de chaque candidature jusqu’à la relance. Aucun envoi n’est effectué sans validation de l’utilisateur.
Epitech
Pipeline temps réel pour suivre des cours de cryptomonnaies : Kafka → services Go → ClickHouse, complété par un scraper d’actualités et un score de sentiment généré par LLM, orchestré avec Kubernetes (K3D, K3s), présenté ici via son plan d’architecture.

Epitech
Taxi RL : 4 algorithmes de reinforcement learning, recherche exhaustive, Q-Learning, SARSA, Deep Q-Learning (PyTorch), entraînés et comparés en direct sur l’environnement Taxi de Gymnasium.

42
Site de tournois Pong en temps réel : matchmaking, bots à 3 niveaux, chat, comptes joueurs et historique de matchs, projet de fin de cursus 42 en équipe de 4.

42
Moteur de ray tracing 3D en C : intersections rayon/objet, ombres, matériaux, rendu via MiniLibX, joué directement dans le navigateur, sur 13 scènes.

42
Un shell Unix réécrit de zéro en C, parsing, expansion de variables, pipelines multi-commandes, redirections, heredocs et signaux, avec un comportement fidèle à Bash, sans aucune bibliothèque de parsing.