Sommaire

Aurélien Dincuff

Product engineer

Je construis des outils que les métiers utilisent vraiment.

Bretagne · Édition 2026
Ganet ha bevennet e Breizh

Feuilleter

Préface

Voilà dix ans que je côtois des secteurs qui n'ont rien en commun : l'agriculture, le logiciel médico-social, la banque, l'industrie. Ce que j'en ai gardé : une capacité à rapidement comprendre les besoins métiers, et à construire des systèmes robustes et durables.

Je construis des systèmes où la technique et le métier se parlent, de la compréhension du besoin jusqu'à la mise en production. Je partage ici ce que j'apprends et ce que je construis.

Je travaille à distance, depuis la Bretagne, sur des logiciels métier.

GitHub Écrire

Sommaire

Chapitre I

Réalisations

Ce que je fais concrètement : je repère les processus manuels ou fragiles, et je les remplace par des outils que je porte de bout en bout.

01

Fiabiliser un flux qualité à fort enjeu.

Chez un acteur industriel, le suivi des changements de statut qualité et des retours de produits passait par email. Lent, dispersé, et risqué. J'ai conçu, développé et déployé une application interne qui a remplacé ce fonctionnement : traçabilité fiabilisée, réactivité accrue, et surtout la suppression du risque d'expédier des produits défectueux aux clients. En production quotidienne.

02

Donner à toute l'entreprise une vue temps réel de sa performance.

J'ai mis en place un système de pilotage sous Grafana couvrant plus de cinquante indicateurs à travers l'ensemble des processus : supply chain, qualité, informatique… Les indicateurs calculables le sont automatiquement, les autres sont saisis simplement par les équipes concernées. Un suivi jusque-là manuel et éparpillé est devenu un pilotage centralisé et partagé.

03

Utiliser l'intelligence artificielle pour agrémenter le récit que porte la donnée.

Projet personnel, en cours : un outil d'aide à la sélection d'étalons pour les éleveurs. Il propose des recommandations argumentées à partir des données de l'élevage, en combinant recherche sémantique et génération. Sa contrainte fondatrice tient en une phrase : le calcul est strictement séparé de la génération. Un modèle de langage rédige l'explication, il ne chiffre jamais, et aucune valeur affichée à l'écran ne sort d'un modèle. Les candidats écartés le sont à voix haute : le motif d'exclusion est rendu en clair, plutôt que de laisser un résultat disparaître sans explication.

Chapitre II

Compétences

Développement

  • Python
  • FastAPI
  • TypeScript
  • JavaScript
  • Node.js
  • Fastify
  • Vue.js
  • React
  • Java
  • Spring Boot
  • SQL
  • API REST

Data & Bases de données

  • PostgreSQL
  • Oracle Database
  • Microsoft SQL Server
  • Neo4j
  • ETL / SSIS
  • IBM Cognos Analytics
  • Grafana
  • Streamlit

Produit & métier

  • Cadrage
  • Discovery
  • Spécifications
  • Conduite du changement
  • Adoption et usage réel
  • Processus métiers
  • Migration ERP (IFS)

Infrastructure & exploitation

  • Docker
  • Kubernetes
  • Linux
  • CI/CD
  • GitLab
  • Jenkins
  • Ansible
  • Git

IA appliquée

  • Claude Code
  • API LLM
  • RAG / recherche sémantique
  • Sorties structurées
  • pgvector

Chapitre III

Articles récents

Voir tous les articles →