Étudiant en Techniques de l'informatique — profil Génie logiciel Collège de Bois-de-Boulogne, Montréal · Basé à Laval, QC

🎯 Je recherche un stage en génie logiciel pour la session d'hiver 2027. Stage crédité de 8,66 unités — c'est l'épreuve synthèse de mon programme, à temps plein de janvier à avril 2027.

C# .NET 9 ASP.NET Core Entity Framework Core Go Python TypeScript JavaScript Java SQL React Vue 3 Node.js REST GraphQL PostgreSQL TimescaleDB Azure SQL Kafka Docker Kubernetes Helm GitHub Actions Azure AWS xUnit pytest Vitest Playwright Prometheus Git

Une application web de gestion de quarts pour équipes de sauveteurs — un métier que j'exerce moi-même à la Ville de Laval depuis 2023. Un collègue accepte un remplacement dans une conversation de groupe, le coordonnateur l'apprend après coup, et personne n'a vérifié si le remplaçant a les qualifications requises. Vigie centralise l'horaire, soumet les échanges à une approbation explicite et suit les certifications.

Stack et outils C# .NET 9 ASP.NET Core Minimal APIs Entity Framework Core 9 Npgsql PostgreSQL LINQ Migrations EF API REST OpenAPI / Swagger JWT Bearer Authentification par rôles PBKDF2 Rate limiting Multi-tenant Journal d'audit Protection des renseignements personnels Architecture en couches Domain-Driven Design Injection de dépendances Nullable reference types TreatWarningsAsErrors React 19 TypeScript Vite Vitest oxlint HTML5 CSS3 Responsive design Fetch API SPA xUnit Tests d'intégration Tests de contrat OpenAPI Docker Docker Compose GitHub Actions CI/CD Render Supabase GitHub Pages Health checks Métriques Corrélation de requêtes Git GitHub Markdown

Ce que le projet démontre :

• Architecture en quatre couches — domaine, application, infrastructure, API — avec un domaine qui ne dépend d'aucune bibliothèque externe
• 47 endpoints REST en ASP.NET Core (.NET 9) avec Entity Framework Core sur PostgreSQL, et 14 migrations
• 70 tests xUnit : 32 tests de domaine qui s'exécutent sans base de données ni serveur, et 38 tests d'intégration — dont un qui verrouille le contrat OpenAPI de l'API
• Cinq règles métier codifiées : certifications, chevauchements, échanges approuvés, quotas horaires, saison d'ouverture
• Sécurité et renseignements personnels : authentification JWT par rôles, isolation des données entre organisations, mots de passe hachés en PBKDF2, limitation du débit, révocation des sessions, journal d'audit exportable, export et suppression des données d'un compte
• Exploitation : points de santé et de métriques, corrélation des requêtes, intégration continue GitHub Actions, API sur Render, PostgreSQL sur Supabase, interface React + TypeScript sur GitHub Pages

👉 Essayer la démo · Lire le code

Une plateforme qui mesure la précision des prévisions d'arrivée du transport en commun montréalais : elle décode le flux temps réel de la STM, en déduit les heures d'arrivée réellement observées, et mesure l'écart avec les prédictions annoncées aux usagers. Cinq services indépendants, du protobuf jusqu'au tableau de bord.

Stack et outils Go 1.27 Microservices Architecture événementielle Redpanda Apache Kafka (API) kafka-go Protocol Buffers GTFS-Realtime GTFS pgx TimescaleDB PostgreSQL 17 Séries temporelles SQL gqlgen GraphQL Schéma GraphQL Python 3.12 FastAPI Uvicorn Pydantic scikit-learn NumPy joblib httpx Vue 3 TypeScript Vite vue-tsc Vitest Vue Test Utils jsdom Playwright Tests E2E Docker Dockerfile multi-étapes Docker Compose Kubernetes Helm helm lint k3s Oracle Cloud (OCI) Render GitHub Actions CI/CD gitleaks Analyse de secrets go vet pytest Prometheus Observabilité Git

Ce que le projet démontre :

• Chaîne événementielle complète — un ingester en Go décode le flux GTFS-Realtime (Protocol Buffers) de la STM et le publie dans Redpanda (compatible API Kafka) ; un matcher en consomme les événements ; une API GraphQL les expose ; un tableau de bord Vue 3 les affiche
• Deux méthodes d'inférence implémentées indépendamment puis comparées pour déduire l'arrivée réelle d'un véhicule — parce qu'une mesure sans contre-mesure n'est pas une mesure
• Stockage en série temporelle dans TimescaleDB, avec des agrégats qui conservent toujours leur nombre d'observations : l'interface ne montre jamais une statistique qu'elle ne peut pas défendre
• Service de prédiction en Python (FastAPI + scikit-learn) branché sur la même chaîne
• Chaîne d'intégration continue en 8 jobs : tests Go, tests d'intégration sur une vraie base TimescaleDB, tests et typecheck front-end, tests navigateur Playwright, tests Python, construction des cinq images Docker, analyse de secrets gitleaks, et validation du chart Helm
• Déployable de trois façons : Docker Compose, chart Helm sur Kubernetes, ou Oracle Cloud

👉 Lire le code

Un dépôt de recherche qui regroupe huit stratégies intrajournalières, leur code, leurs tests automatisés et les résultats réellement calculés. Chaque étude a son dossier, son statut et ses limites écrites noir sur blanc, et le tableau d'ouverture donne la conclusion avant même qu'on ouvre un rapport.

Stack et outils Python 3.14 pandas NumPy Decimal pytest Backtesting Validation walk-forward Tests IS/OOS Analyse multi-régimes Alpaca SIP Données minute VWAP Séries temporelles Audit de résultats Reproductibilité Empreintes de fichiers requirements-lock Pine Script TradingView PowerShell Planificateur de tâches Windows Git Markdown

Ce que le projet démontre :

• Un registre d'études, pas une collection de scripts — chaque stratégie possède son dossier daté, ses paramètres, son fichier de validation et son statut ; un modèle d'étude et un CONTRIBUTING.md encadrent l'ajout d'un nouveau test
• Des conclusions majoritairement négatives, assumées — sur huit stratégies (FVG, Noise Area, Gap Reversal, momentum de clôture, ORB 5 minutes, retour VWAP, compression NR7, Nowick FX), la plupart ne démontrent aucun avantage après coûts. C'est écrit dans le tableau d'ouverture, pas enterré en annexe
• La prudence statistique fait partie des rapports : « B n'est pas un nouvel OOS aveugle », « QQQ B sans ses trois meilleurs jours devient négatif », « ces statistiques ne qualifient pas un bot pour le réel »
• Audits indépendants et recouvrants — jusqu'à 70 934 lignes vérifiées pour une seule étude, audit Decimal séparé, et un vérificateur d'intégrité sans dépendance externe (tools/verify_snapshot.py)
• Deux bots en simulation observée (QQQ Noise Area et QQQ ORB) : mode shadow sur données SIP différées, aucun ordre réel ni paper, transport restreint en lecture seule, parité reproduite sur 2 707 séances et 2 688 transactions. Le démarrage est documenté comme une preuve opérationnelle — pas comme un résultat de rentabilité
• Séparation stricte des données sensibles — clés d'API et historiques minute complets restent locaux ; le dépôt ne conserve que les résultats dérivés, la provenance et les scripts d'acquisition

👉 Lire le registre

Un projet de recherche quantitative en Python. Quatre stratégies indépendantes — retour à la moyenne et suivi de tendance, dérive post-annonce de résultats (PEAD), fade de l'opening range en intrajournalier, vente d'options de vente mensuelles — soumises à la même discipline de validation. Aucune n'a passé la barre, et le dépôt le dit en première ligne. bot/main.py refuse de démarrer : rien ne négocie d'argent réel.

Stack et outils Python pandas NumPy SciPy scikit-learn Matplotlib pyarrow Parquet yfinance alpaca-py alpaca-trade-api python-dotenv pytest Analyse de données Séries temporelles Statistiques Validation walk-forward Tests hors échantillon Analyse multi-régimes Backtesting Gestion du risque SEC EDGAR XBRL Alpha Vantage API REST Mise en cache ETL Ingénierie de caractéristiques Reproductibilité

Pourquoi publier un projet qui « n'a pas marché » : un résultat négatif obtenu rigoureusement est un résultat. Ce que le dépôt démontre, ce n'est pas une stratégie gagnante — c'est la méthode.

• Validation walk-forward et multi-régimes — une stratégie qui règle un problème pendant le marché baissier lent de 2021-2022 peut le détruire pendant la correction rapide du T4 2018. Tester sur un seul régime ne prouve rien.
• Mesure d'un piège classique : sur PEAD, le paramètre optimal en échantillon se classait moins bien qu'un tirage au hasard hors échantillon.
• Un ratio de Sharpe de 8+ a été enquêté, pas publié — c'était un bogue d'interpolation linéaire dans la valorisation, qui gonflait le résultat de 10 à 50 fois.
• Limites des sources de données vérifiées en direct, jamais supposées : un flux IEX plus court que documenté, une correspondance ticker → CIK erronée dans les données de référence de la SEC elle-même, et un défaut de yfinance qui renvoie silencieusement des prix ajustés plutôt que les prix réellement négociés.
• Pipeline de données : fondamentaux trimestriels XBRL de SEC EDGAR, barres de prix et chaînes d'options Alpaca, historique de surprises de résultats Alpha Vantage, avec mise en cache pour ne jamais redépenser un quota.

👉 La méthodologie (lessons_learned.md) — le fichier le plus réutilisé du dépôt

Une plateforme de simulation boursière multinuage, développée en approche agile.

Stack et outils C# ASP.NET Core Entity Framework Core API REST Azure SQL Microsoft Azure Azure Service Bus AWS AWS Lambda Amazon S3 Amazon SQS Architecture multinuage Messagerie asynchrone Serverless React TypeScript Python scikit-learn Twelve Data API Intégration d'API tierces Agile Scrum Sprints Revue de code Git GitHub Travail en équipe

Je suis responsable du back-end : conception et développement de l'API REST en ASP.NET Core avec Entity Framework Core, implémentation de la logique de portefeuille et du moteur de transactions, modélisation et exploitation de la base Azure SQL.

Je contribue aussi à l'architecture multinuage (Azure + AWS : Service Bus, Lambda, S3, SQS), à l'intégration de l'API boursière Twelve Data, et au raccordement d'un module d'apprentissage automatique en Python qui estime les tendances des titres.

Gestion de bibliothèque déployée sur Android, iOS, macOS et Windows à partir d'une base de code unique. Les lecteurs consultent un catalogue, tiennent une liste de favoris et évaluent les livres ; les administrateurs gèrent le catalogue et les comptes depuis un tableau de bord distinct, avec authentification par rôles et session persistante.

Stack et outils C# .NET 9 .NET MAUI XAML MVVM AppShell INotifyPropertyChanged Data binding Injection de dépendances Programmation par interfaces Sérialisation XML Tests unitaires Architecture en couches Android iOS macOS (Mac Catalyst) Windows Multiplateforme Développement mobile

Ce que le projet démontre :

• Quatre projets plutôt qu'un monolithe — Bibliotheque.Model (entités du domaine, sans aucune dépendance), Bibliotheque.Services (logique métier), Bibliotheque.ViewModel (MVVM), View (interface .NET MAUI en XAML) — plus un projet de tests unitaires
• MVVM strict : aucune logique métier dans le code-behind des pages XAML, ce qui rend la couche métier testable sans jamais lancer l'interface
• Services derrière des interfaces (IAuthService, IBibliothequeXmlService, IFavorisService), injectés depuis MauiProgram.cs — remplacer la persistance par une base de données ne demanderait que d'écrire une nouvelle implémentation, sans toucher au reste de l'application
• Persistance par sérialisation XML — un choix assumé pour un projet scolaire : aucun serveur, aucune dépendance externe
• Cibles : Android 21+, iOS 15+, Mac Catalyst 15+, Windows 10 17763+

Langages C# · Go · Python · TypeScript · JavaScript · Java · SQL · HTML5 · CSS3 · Bash · PowerShell · YAML · Markdown · GraphQL (SDL) · Protocol Buffers · Pine Script

Back-end ASP.NET Core (.NET 9) · Minimal APIs · Entity Framework Core · Node.js · FastAPI · Uvicorn · Pydantic · gqlgen · API REST · GraphQL · OpenAPI / Swagger · Architecture microservices · Architecture événementielle · Architecture en couches et n-tiers · Domain-Driven Design · Injection de dépendances · Programmation asynchrone · Conception d'API

Front-end React 19 · Vue 3 · TypeScript · JavaScript · Vite · HTML5 · CSS3 · Responsive design · SPA · Fetch API · .NET MAUI · XAML · MVVM

Bases de données PostgreSQL · TimescaleDB · Azure SQL · SQL Server · SQL · LINQ · Npgsql · pgx · Conception de schémas · Migrations · Indexation · Séries temporelles · Modélisation de données

Données et analyse pandas · NumPy · SciPy · scikit-learn · Matplotlib · pyarrow · Parquet · joblib · Decimal · API SEC EDGAR (XBRL) · Alpaca SIP · Validation walk-forward · Tests IS/OOS · Backtesting · Audit de résultats · Reproductibilité · ETL · Apprentissage automatique

Messagerie et temps réel Apache Kafka (API) · Redpanda · kafka-go · Azure Service Bus · Amazon SQS · Publication/abonnement · Protocol Buffers · GTFS-Realtime · Traitement de flux

Qualité et tests xUnit · pytest · Vitest · Vue Test Utils · Playwright · Tests unitaires · Tests d'intégration · Tests de bout en bout · Tests de contrat d'API · go vet · oxlint · Revue de code · TreatWarningsAsErrors · Débogage · Postman

DevOps et infonuagique Git · GitHub · GitHub Actions · CI/CD · Docker · Docker Compose · Kubernetes · Helm · k3s · Linux · Windows · Microsoft Azure · AWS (Lambda, S3, SQS) · Oracle Cloud (OCI) · Render · Supabase · GitHub Pages · Prometheus · Observabilité · Health checks · Analyse de secrets (gitleaks)

Sécurité Authentification JWT · Contrôle d'accès par rôles · PBKDF2 · Hachage de mots de passe · Limitation de débit · Isolation multi-tenant · Journal d'audit · Gestion des secrets · Sécurité applicative · Protection des renseignements personnels

Méthodes et outils Agile · Scrum · Modélisation UML · Conception orientée objet · Patrons de conception · Structures de données et algorithmes · Visual Studio · Visual Studio Code · Documentation technique

Réseaux TCP/IP · HTTP/HTTPS · DNS · Cisco CCNA (Introduction aux réseaux) · Routage et commutation · Modèle OSI

DEC en Techniques de l'informatique, profil Génie logiciel — Collège de Bois-de-Boulogne Août 2024 – mai 2027 (prévu)

Cours pertinents : programmation objet 1 et 2, structures de données et algorithmes, applications web transactionnelles, systèmes de bases de données, génie logiciel, sécurité des applications, architecture des réseaux, projet de développement de logiciel, applications mobiles.

Formation complémentaire — Cisco Networking Academy, CCNA : Introduction aux réseaux (cours réussi, 2025)

Trilingue — français, anglais, arabe égyptien, à l'oral et à l'écrit.

Ouvert aux stages en développement logiciel, web, back-end, données ou infonuagique dans la région de Montréal et Laval.