Sur cette compétence, j'ai obtenu des résultats dont je suis particulièrement fier : 15.16/20 en S3 (rang 1/77) et 15.28/20 en S4 (rang 2/41). Ce classement en tête de promotion reflète un travail constant et une vraie appétence pour le développement applicatif, aussi bien côté back-end qu'interfaces.

En S3, c'est la ressource de développement web qui a tiré la moyenne vers le haut (18.25), portée par des contrôles TP solides et une maîtrise progressive de PHP/MVC puis JavaScript. En S4, le complément web (17.00) et le développement mobile (16.00) ont confirmé cette dynamique. La SAE reste le poste où il y a encore une marge de progression : 13.90 en S3 et 14.58 en S4, des notes honnêtes qui laissent de la place sur la documentation et la couverture de tests.

image.png

image.png

🚀 Preuves “ressources”

R3.01 — Développement web · 18.25/20

(Contrôle cours : 18 — Contrôles TP : 18.5)

Développement web progressif en trois phases : site statique HTML/CSS avec rapport sur HTTP, application PHP dynamique suivant l'architecture MVC (sessions, base de données MySQL), puis interface interactive en JavaScript côté client. La note de 18 au contrôle de cours et 18.5 aux TP confirment une maîtrise solide de l'ensemble du spectre front-to-back.

R3.04 — Qualité de développement · 14.37/20

(Quiz : 14.18 — TP & assiduité : 14.55)

Design patterns et principes SOLID en Java, modélisation UML avec PlantUML, tests unitaires JUnit. Apprentissage de la modélisation de séquences, machines à états, et diagrammes d'activité.

R3.03 — Analyse · 18.00/20

(Cahier des charges : 18 — Recette et démo Flutterflow : 18)

Conception et développement de CalorieAI, une application web d’analyse nutritionnelle par intelligence artificielle. Réalisée seul avec FlutterFlow, elle permet d’identifier les aliments à partir d’une photo et d’estimer automatiquement leur apport calorique grâce à l’IA. L’application intègre Firebase Auth pour l’authentification, Cloud Firestore pour la gestion des données et des APIs d’intelligence artificielle pour l’analyse d’images et l’estimation nutritionnelle. Projet évalué avec une note de 18/20 lors de deux soutenances distinctes.

🚀 Apprentissages critiques

AC21.01 — Élaborer et implémenter les spécifications fonctionnelles et non fonctionnelles à partir des exigences

En R3.03 (Analyse), j'ai conçu un cahier des charges complet pour une application Flutterflow intégrant une api IA (gemini). À partir d'un besoin utilisateur vague, j'ai formalisé des exigences précises : parcours utilisateur, wireframes, contraintes de performance (traitement < 5 secondes), et contraintes d'hébergement (budget 0€ sur free tiers). Ce travail a débouché sur un document de recette permettant de valider chaque fonctionnalité de façon indépendante.

En R4.01 (Architecture logicielle), la documentation OpenAPI/Swagger impose de définir les contrats d'interface — routes, types de réponse, codes d'erreur — avant d'écrire une seule ligne de code. C'est une approche "API-First" que j'ai intégrée comme réflexe de conception.AC21.02 — Appliquer des principes d'accessibilité et d'ergonomie