Aller au contenu principal
Mouhssine Lakhili

Projet personnel de montée en compétence

OpsPilot

Projet de gestion d'incidents et FinOps utilisé pour pratiquer Java/Spring Boot, la conception de services et les notions cloud/observabilité sans revendiquer d'expérience production.

Comment c'est construit

  1. Interface Next.js
  2. Services Java, Spring Boot
  3. Données PostgreSQL, Redis
  4. Exploitation Kubernetes, Terraform, Prometheus, Grafana (exemples)

Stack

Java, Spring Boot, Next.js, PostgreSQL, Redis, Kubernetes, Helm, Terraform, Prometheus, Grafana, OpenTelemetry

  1. Contexte

    OpsPilot est un projet personnel récent construit pour travailler sérieusement Java/Spring Boot et des concepts de type platform autour de la gestion d'incidents et du FinOps.

  2. Problème

    L'objectif est de pratiquer un produit orienté backend avec des frontières de services claires, des données opérationnelles et des exemples de déploiement, tout en gardant Kubernetes/Terraform au niveau notions.

  3. Solution

    Le projet combine des services Spring Boot, une interface Next.js, du stockage relationnel/cache et des exemples d'observabilité/déploiement qui documentent l'architecture visée.

  4. Architecture

    Les services backend exposent des APIs consommées par l'UI. PostgreSQL/Redis supportent la persistance et l'accès rapide. Kubernetes, Helm, Terraform, Prometheus, Grafana et OpenTelemetry sont présents comme exemples de projet.

  5. Résultat

    Le résultat est un projet d'apprentissage de niveau portfolio qui montre une pratique backend et platform structurée, sans revendiquer de KPI de production.

Lire l'article : Architecture SaaS avec Next.js, TypeScript et PostgreSQL : le guide 2026

Ce projet vous parle ?

Je suis disponible pour un CDI et pour des missions freelance. Parlons de votre équipe ou de votre projet.

Autres études de cas

  • Full-stack

    Accessly — Étude de cas

    Projet personnel de montée en compétence pour l'accès événementiel et la billetterie temps réel avec .NET, C#, Angular, SignalR et SQL Server.

    1. Interface Angular
    2. API ASP.NET Core, CQRS
    3. Temps réel SignalR
    4. Données SQL Server, Redis, RabbitMQ
    Code source
  • Data

    IA-AirBnB — Étude de cas

    Un pipeline data science pour prédire les prix Airbnb à partir de données de Lyon et Paris, avec prétraitement, analyse, gestion des valeurs aberrantes, séparation train/test et modèles de régression linéaire.

    1. Données brutes Annonces de Lyon et Paris
    2. Nettoyage Pandas, valeurs aberrantes
    3. Modèle Scikit-learn, régression linéaire
    4. Évaluation Séparation train/test
    Code source