Le problème à résoudre
Python est utilisé pour des scripts isolés, sans structure ni tests, qui finissent en production sans être maintenables. Le savoir-faire pour bâtir de vrais services Python robustes manque en interne.
La promesse pour la direction
Votre scripteur devient développeur backend professionnel : APIs structurées (FastAPI, Django), tests, conteneurisation et architecture microservices — capable de livrer des services Python de production.
Ce que le parcours débloque
Élevée (structuré)
Maintenabilité du code Python
significative
Tests automatisés Couverture
Professionnelle
Capacité à livrer des services
Le cadre
| Élément | Valeur |
|---|---|
| Profil cible | Utilisateur Python (scripts, automatisation) |
| Prérequis | Python de base, notions web |
| Durée | 6 mois (accélérateur) |
| Format | Blended · 70 % de pratique |
Pile technique maîtrisée à l’issue
FastAPI · Django · Python 3 · pytest · SQLAlchemy · Docker · Celery · PostgreSQL
Les jalons
Une trajectoire pour un collaborateur déjà en poste. Chaque mois est validé par un livrable et un critère d’acceptation écrit à l’avance.
| Mois | Thème | Atelier | Validation |
|---|---|---|---|
| M1 | Python professionnel Structure & qualité | Structurer un projet Python proprement | ✔ Projet structuré et typé |
| M2 | FastAPI API performante | Construire une API REST asynchrone | ✔ API documentée automatiquement |
| M3 | Django Application complète | Développer une application avec ORM | ✔ Application avec base de données |
| M4 | Tests & qualité pytest | Couvrir le code de tests automatisés | ✔ Couverture de tests significative |
| M5 | Conteneurisation Docker | Conteneuriser et déployer le service | ✔ Service conteneurisé déployé |
| M6 | Projet backend Service réel | Livrer un microservice Python en production | ✔ Soutenance + service en service |