1:dev/skills.md
" ==========================================
" rcepre / portfolio
" dernière version : 2026
" ==========================================
audio/
·· README.md
·· reterraform.antres
·· space_dust.antres
·· the_junkyard_of_the_jettisoned.antres
blog/
·· apte.md
dev/
·· lab/
·· projects/
·· 42-school.md
·· experience.md
·· skills.md
hello-world.html
0:brut1:rendu*
Compétences
Python, strictement

Mon langage de tous les jours depuis 6+ ans. Tout est typé, mypy en strict. J'aime Python quand on le prend au sérieux — type hints, dataclasses, protocols. Pas d'imports magiques, pas de dicts sans types qui traînent partout.

Python mypy FastAPI Pydantic SQLAlchemy Celery Alembic

─────────────────────────────────────────
Tests

Je vise une bonne couverture, pas pour la métrique — j'ai juste pas confiance dans du code non testé. C'est d'ailleurs pour ça que je développe ProTest — je voulais de la DI explicite et typée dans les tests, pas de la résolution par nom à l'aveugle.

pytest ProTest

─────────────────────────────────────────
Data & graphes

PostgreSQL pour le relationnel, à l'aise en SQL brut quand l'ORM gêne plus qu'il n'aide. Mais ce qui me passionne vraiment, ce sont les bases orientées graphe — pas juste comme alternative de stockage, mais pour ce qu'elles ouvrent : plus court chemin, détection de communautés, et tous les algos qui viennent quand on raisonne en graphes. En ce moment j'explore les approches neuro-symboliques et les modèles du monde sur un projet perso (Felix), à la croisée du graphe de connaissances et de l'extraction de scénarios.

PostgreSQL Neo4j Cypher Kuzu ChromaDB Weaviate

─────────────────────────────────────────
Infrastructure

Docker pour tout en local, Kubernetes et AWS en prod au boulot.

Docker Kubernetes AWS RabbitMQ GitHub Actions

─────────────────────────────────────────
IA & LLMs

Orchestration, agents, choix du bon modèle pour le bon job — pipelines RAG, extraction structurée, bases de connaissances. Ce qui me branche le plus en ce moment, c'est de faire tourner de l'IA sur une machine normale : des petits modèles bien ciblés, des outils précis, et beaucoup d'heuristiques derrière — plutôt que de tout envoyer à un gros modèle par reflexe. Ça me rappelle le C — on peut pas bruteforcer, faut être malin.

vLLM Pydantic AI LM Studio

─────────────────────────────────────────
Frontend

J'aime pas trop. Le JS me parle pas, je comprends pas l'envie de le mettre côté serveur, et les couches de rétro-compat m'agacent. Cela dit — le web marche remarquablement bien, l'écosystème est une vraie réussite, et je respecte. C'est mon terrain de vibe-code : je veux le résultat, pas le voyage. Pile l'inverse de mon approche Python ou C. J'essaie quand même de faire les choses proprement, même si parfois je finis par coder des effets de scramble sous le curseur de l'utilisateur.

TypeScript Vue Nuxt

─────────────────────────────────────────
Le reste

C et C++ de 42 — j'en écris plus tous les jours, mais ça a forgé ma façon de penser la mémoire et la perf. À l'aise sous Linux. PyCharm pour tout ce qui est Python.

C C++ Linux PyCharm

─────────────────────────────────────────

Envie de progresser sur

Bases orientées graphe — j'utilise Neo4j et Kuzu mais je veux écrire du Cypher plus couramment, aller plus loin. Rust — ça me tente depuis un moment, j'ai jamais trouvé le bon prétexte. Réseau et systèmes — les bases sont là, mais c'est pas encore mon terrain de jeu. Les entrailles de l'IA — j'orchestre des modèles tous les jours, mais je veux comprendre ce qu'il se passe dessous, les réseaux de neurones pour de vrai. Et l'anglais — j'arrive à l'écrire (avec un coup de main) mais tenir une conversation, c'est pas encore ça. Objectif fin 2026.

NORMALdev/skills.md[+]
^E explorateur^R rendu^; thème
markdown85L1:1
github.com/renaudcepre
ENcatppuccin