Automation & Scripting

SAE 2.03 - Application Web Fullstack de Suivi de Compétences

Conception et développement d'une plateforme centralisée pour la gestion dynamique des blocs de compétences et niveaux d'acquisition, avec une architecture sécurisée par conteneurs.

1. Architecture Backend et Logique Métier

Le cœur de l'application repose sur une API robuste développée en Python avec le framework Flask. J'ai structuré l'application autour de routes RESTful claires pour gérer les différentes interactions utilisateurs (GET pour l'affichage, POST pour le traitement). La logique métier intègre une gestion d'erreurs systématique : chaque interaction avec la base de données est encapsulée dans des blocs try...except mysql.connector.Error pour capturer les échecs de connexion ou les erreurs SQL et éviter le crash du serveur.

Le backend assure également la persistance et l'intégrité des données grâce à une gestion rigoureuse des transactions SQL. Pour chaque opération d'écriture (INSERT, UPDATE, DELETE), j'utilise explicitement conn.commit() pour valider les changements uniquement si aucune erreur ne survient, garantissant l'atomicité des transactions. La configuration de l'application utilise une clé secrète indispensable pour signer les cookies de session de manière cryptographique.

2. Sécurisation Avancée et Authentification

La sécurité a été placée au centre du développement, respectant les principes de l'OWASP pour protéger les données sensibles et les accès :

• Cryptographie des Mots de Passe : J'ai proscrit le stockage en clair. À l'inscription, chaque mot de passe est converti en octets (UTF-8) puis haché avec l'algorithme Bcrypt et un sel unique généré par bcrypt.gensalt(). Lors de la connexion, bcrypt.checkpw() vérifie la correspondance sans jamais décrypter le mot de passe original.
• Protection contre les Injections SQL : Toutes les données issues des formulaires HTML (request.form) sont considérées comme non fiables. J'ai systématiquement utilisé des requêtes préparées (ex: cursor.execute(query, (param1, param2))) où les paramètres sont passés séparément de la requête SQL, empêchant tout attaquant d'injecter du code SQL malveillant.
• Gestion de Session et Isolation : L'accès aux pages internes est verrouillé par une variable de session session['utilisateur_authentifie']. De plus, les identifiants de base de données (User/Pass) sont isolés dans des variables d'environnement via Docker Compose.

# Hashage avec sel unique à l'inscription (Exemple théorique basé sur l'import)
hashed_password = bcrypt.hashpw(mot_de_passe, bcrypt.gensalt())

# Requête préparée paramétrée (Anti-Injection SQL) - [Extrait app.py]
query = "INSERT INTO user (nom, mot_de_passe) VALUES (%s, %s)"
cursor.execute(query, (nom, hashed_password))

3. Fonctionnalités CRUD et Interface Dynamique

L'application offre une interface complète (CRUD - Create, Read, Update, Delete) permettant une administration totale des compétences sans passer par des requêtes manuelles :

• Lecture et Agrégation : La vue principale n'est pas une simple liste. Le backend exécute des requêtes SQL pour structurer les données hiérarchiquement. Les données sont regroupées permettant à Jinja2 de générer un affichage organisé et lisible par Blocs.
• Mise à jour Intelligente : Le formulaire de modification (/modifier_competence) utilise une logique en deux temps : il recherche d'abord l'ID du nouveau niveau sélectionné, puis met à jour la table de liaison CompetencesNiveaux via une requête UPDATE ciblée. Cela garantit l'intégrité référentielle de la base.

4. Infrastructure Docker et Déploiement

L'intégralité de l'architecture est "Dockerisée" pour assurer la portabilité du projet sur n'importe quel système hôte. Le fichier docker-compose.yml définit une stack technique cohérente :

• Service Base de Données : Utilisation d'une image mysql:8.0 configurée spécifiquement avec l'option --default-authentication-plugin=mysql_native_password pour assurer la compatibilité avec le connecteur Python.
• Service Web : Le conteneur Python monte le code source via un volume (.:/web), permettant le développement en temps réel (Hot-Reloading). Le port 5000 du conteneur est mappé sur le port 5001 de l'hôte pour éviter les conflits.

5. Modélisation des Données et Requêtes Complexes

La performance de l'application repose sur une modélisation de données relationnelle optimisée (forme normale 3NF). Plutôt que de stocker toutes les informations dans une table unique, j'ai conçu un schéma éclaté : BlocsCompetences, Competences, et NiveauxAcquisition sont liés par la table d'association CompetencesNiveaux.

Cette structure nécessite des requêtes SQL avancées pour reconstruire l'information. L'architecture permet de lier dynamiquement les tables via des jointures (JOIN) implicites ou explicites dans la logique Python :

-- Exemple de structure logique de la requête d'agrégation
SELECT BC.nom, C.nom, NA.nom 
FROM BlocsCompetences BC
JOIN Competences C ON C.bloc_id = BC.id
JOIN CompetencesNiveaux CN ON CN.competence_id = C.id
JOIN NiveauxAcquisition NA ON NA.id = CN.niveau_id
ORDER BY BC.nom ASC;

Cette approche structurelle permet de manipuler des données complexes tout en conservant une base de données légère et sans redondance.

Rapport : SAE 2.01-4 - Pépinière d'Entreprise

Mon parcours académique et mes expériences en milieu professionnel détaillés dans un document de synthèse.