Fondateur + Lead Engineer

Flip

60k produits suivis. 8 sources scrapées. Refresh quotidien.

Contexte

Les revendeurs d'articles hype avaient besoin de suivre leur stock, coûts et profits sur plusieurs marketplaces. J'ai créé Flip pour résoudre ça.

Rôle & Ownership

Fondateur + Lead Engineer. J'ai dirigé une équipe de 6 : 3 ingénieurs, 1 CSM, 1 commercial. Ownership complet : vision produit, architecture, leadership technique, infra scraping et paiements.

Ce qui a été construit

Scrapers pour ~8 sites retail/marketplace
~60k produits en catalogue
Pipeline de refresh quotidien
Matching produits via SKU + fallback fuzzy
Modèle de catalogue normalisé
Suivi d'inventaire par utilisateur
Analytics dépenses + profits
Intégration Stripe (abonnements)
Authentification OAuth2

Résultats

+60 000 produits suivis
8 sources intégrées
Cycle de refresh quotidien opérationnel
MVP à shutdown en 6 mois (appris quand s'arrêter)

Stack

Python Django Nuxt 3 Tailwind PostgreSQL Redis Celery Stripe Docker Web Scraping ETL Pipelines

Preuve

Dashboard

Inventaire

Dépenses

Authentification

"Le matching produits était nuancé. Quand le SKU était disponible, le matching était direct. Mais le SKU n'était pas toujours présent sur toutes les sources — c'est là que le fuzzy matching sur les noms intervenait en fallback. J'ai construit un pipeline qui priorisait le SKU, basculait en fuzzy matching, et permettait des overrides manuels. Appris que 80% de précision avec itération rapide bat 95% qui sort en retard."