Les meilleures agences Développement microservices en France

Anne-Laurence et Karl Zanclan nous ont sollicités pour concevoir et réaliser leur produit Fintech : Qileo. Leur ambition était de créer la première néobanque pro éthique française, le premier compte pro qui engage les TPE et PME dans la transition écologique.

ETS Global agit en tant que représentant international d’ETS (Educational Testing Service), reconnu pour ses tests d’évaluation linguistique tels que le TOEIC®. L’entreprise met à disposition des solutions d’évaluation standardisées et équitables, adaptées aux besoins des organisations publiques et privées à l’échelle mondiale, avec plus de 50 millions de tests distribués chaque année. Depuis plus d’une décennie, Eleven Labs accompagne ETS Global dans la modernisation progressive de l’ensemble de ses plateformes, en prenant en charge l’externalisation de la gestion de son DSI applicatif. Ce partenariat durable repose sur une équipe dédiée d’Eleven Labs, pleinement intégrée aux projets stratégiques de ETS Global.

Dans le cadre du projet Bundle pour la boutique en ligne Motoblouz.com, notre équipe chez Grow Your Business a été sollicitée pour concevoir une solution fullstack reposant sur Symfony et Vue.js. L'objectif principal consiste à créer un système de packs de produits, offrant aux utilisateurs la possibilité de personnaliser leurs achats selon différentes règles du catalogue et selon les stratégies commerciales de Motoblouz. Ce projet s’inscrit dans un environnement technologique avancé, intégrant notamment Symfony, API Platform, Vue.js, RabbitMQ, Docker et d’autres outils.

Accompagnement technique de S.T. Dupont, maison de luxe internationale, sur Shopify Plus, en collaboration avec Lobstter. La mission associe reprise du thème existant, développement d’une application dédiée et gestion des évolutions sur plusieurs boutiques.

ALLOHOUSTON a conçu et développé pour Starzdata une plateforme d’enrichissement et de gestion de jeux de données. Elle permet à des utilisateurs métiers d’explorer, enrichir et croiser des ensembles de données, avec des capacités d’IA générative. La V1 a été livrée en trois mois pour accompagner les premiers contrats clients.

Smartrenting connaît une croissance rapide en tant qu'agence spécialisée dans la location de courte durée. Le développement d'une solution personnalisée permettant de centraliser toutes les données et d'améliorer l'efficacité des processus opérationnels et commerciaux est désormais essentiel.

Problème Automatisation des données : informations dispersées L'absence d'automatisation empêche d’obtenir de la visibilité, multiplie les doublons et ralentit le traitement métier. Les équipes réalisent une consolidation manuelle de sources variées, ce qui dégrade la qualité des données et complique la prise de décision. Solution Pipeline IA pour automatiser la gestion des données Le projet implémente une infrastructure unifiée permettant de fiabiliser et enrichir la base alumni. Airbyte gère l’extraction des flux, BigQuery assure le stockage et dbt structure les jeux de données. GPT-4 catégorise les changements, Sentence-BERT élimine les doublons. Les APIs LinkedIn / Sales Navigator fournissent l’enrichissement en temps réel, et n8n automatise les mises à jour. Résultats Réduction des doublons Le taux de doublons est passé de 18 % à 0,8 %, validant l’efficacité du modèle d’embedding. Amélioration de la productivité La durée moyenne des mises à jour est passée de 20 minutes à 45 secondes via les webhooks LLM, économisant 36 heures par mois. Hausse de la fiabilité des profils La proportion de profils à jour a augmenté de 62 % à 95 %, selon un audit interne. Contexte IESEG administre une communauté de plus de 20 000 anciens élèves dont les carrières sont en constante évolution. Les services internes gèrent des sources multiples souvent en doublon, ce qui complique la consolidation des profils. L’automatisation vise à créer un référentiel partagé, fiable, accessible quasiment en temps réel. Problématique Données réparties dans plusieurs bases, absence de vision consolidée Multiplication des doublons et champs obsolètes Mises à jour lentes, réalisées manuellement Incapacité à détecter automatiquement les évolutions de poste Décisions retardées pour les équipes alumni et carrières Difficulté à mesurer l'impact et le retour sur investissement des actions réseaux Solution technique Stack intégrée : Airbyte pour l’extraction, BigQuery comme entrepôt, dbt pour le modeling, le tout sur Google Cloud. Collecte LinkedIn : utilisation d’un crawler maison et de l’API Sales Navigator ; classification en temps réel des changements de poste avec GPT-4 ; automatisation de la mise à jour via webhooks n8n (moins de 15 minutes). Nettoyage et déduplication : fusion automatique des doublons grâce à Sentence-BERT. Workflows IA : enrichissement sémantique via Vertex AI, contrôle qualité par Great Expectations, intégration PostgreSQL + Hasura GraphQL, dashboard Retool, alertes via Slack. Indicateurs clés Métrique cléAvantAprès Taux de doublons18 %< 1 % Profils à jour62 %95 % Temps de mise à jour20 min< 1 min Charge mensuelle de maintenance40 h homme4 h homme Délai de diffusion signaux carrière2 semaines15 min Fiabilité des données63 %95 % ROI projet (économies/an)—× 4,2 La modernisation a permis de réduire considérablement les doublons, accélérer les mises à jour quasi instantanées et libérer une semaine-homme mensuelle pour les équipes carrières. Désormais, la base unifiée garantit une fiabilité de 95 % des données, ce qui favorise la personnalisation des programmes alumni et la prospection. La surveillance automatisée des changements alimente un système d’alertes utilisé par trois services internes. IESEG dispose ainsi d’un référentiel robuste, conforme au RGPD et prêt à être étendu à d’autres populations étudiantes. Pipeline data versionné pour auditer chaque transformation. Règles qualité automatiques en continu. Déclenchement automatique des mises à jour à chaque détection de changement. Mise à jour semestrielle des embeddings pour optimiser la déduplication. Prochains développements prévus : validation blocking, extension des intégrations LinkedIn, scoring prédictif, audit RGPD, et gouvernance multi-entités.

Refonte de l’infrastructure d’encodage vidéo pour 2EmotionRefonte complète du système d’encodage vidéo de 2Emotion autour d’une architecture cloud scalable sur AWS, capable d’absorber des volumes importants de traitements vidéo tout en garantissant performance, fiabilité et évolutivité.L’objectif : remplacer une architecture technique limitée par une chaîne de traitement automatisée, capable de gérer l’upload, l’encodage, le transcodage et la mise à disposition des vidéos, sans contrainte de montée en charge.La nouvelle architecture repose sur une pipeline distribuée : • stockage des fichiers sources et rendus, • orchestration asynchrone des jobs d’encodage, • traitement parallèle des vidéos, • génération de plusieurs formats et résolutions, • diffusion optimisée des contenus finaux.Chaque étape est monitorée et tracée, assurant une visibilité complète sur l’état des traitements, la gestion des erreurs et la stabilité globale du service.Le résultat :Une infrastructure vidéo robuste et élastique, capable de s’adapter automatiquement aux pics de charge, de réduire les temps de traitement et d’offrir à 2Emotion une base technique saine pour faire évoluer sa plateforme et ses usages vidéo à grande échelle.