Le choix d'un langage back-end semble être une décision purement technique. Il n'en est rien. Ce choix détermine la rapidité avec laquelle votre première version atteindra vos clients, le coût d'évolution de votre base de code dans trois ans, et la difficulté de recruter vos cinq prochains collaborateurs. Python s'impose dans cette réflexion pour le développement web car il permet un développement rapide, un recrutement abordable et une maturité suffisante pour faire tourner des systèmes en production à grande échelle. Ses faiblesses sont réelles, mais elles sont connues et maîtrisables plutôt que dissimulées, ce qui est loin d'être le cas pour la plupart des alternatives.
Cet article explique ce qu'est Python, pourquoi il est efficace pour le développement web, ce qu'il implique en termes de performance et d'hébergement, et comment les deux frameworks dominants, Django et Flask, se distinguent à l'usage. Il présente également le « Test des quatre questions » que nous utilisons avec nos clients pour les départager. Entrons dans le vif du sujet.
Python a été créé en 1991 par Guido van Rossum. Sa philosophie privilégie la lisibilité du code, ce qui se reflète dans sa syntaxe simple, ses espaces de noms et sa rigueur quasi obsessionnelle concernant l'indentation. C'est cette lisibilité qui en fait le premier langage que l'on apprend, et qui permet à une équipe reprenant une base de code Python d'être opérationnelle sans longue phase d'adaptation.
Python fonctionne sous Windows, Linux et macOS. Il s'adapte également au style de programmation privilégié, qu'il soit fonctionnel, impératif ou orienté objet, permettant ainsi à votre équipe de choisir l'approche la plus adaptée à la tâche plutôt que celle imposée par le langage.
Tim Peters a résumé ses principes de conception dans dix-neuf aphorismes connus sous le nom de Zen de Python, publié sous la référence PEP 20. Le plus important pour une base de code commerciale est le plus simple d'entre eux : la lisibilité compte. Ce n'est pas un simple ornement. C'est la raison pour laquelle le code écrit par une équipe reste compréhensible pour la suivante, et c'est cette lisibilité qui garantit la maintenabilité d'un produit sur le long terme.
Google, Intel, Microsoft, Dropbox, Instagram et Spotify utilisent tous Python en production. Ce n'est pas une raison suffisante en soi (de nombreuses mauvaises décisions sont associées à des logos célèbres), mais cela prouve que les outils, l'hébergement et les pratiques de sécurité autour de Python ont été éprouvés à une échelle que votre produit n'atteindra probablement jamais.
Python est un langage polyvalent, et le développement web n'est qu'un des domaines où il excelle. Il est également la référence en science des données et en IA, pour l'automatisation et le scripting, pour le calcul scientifique, et de plus en plus pour les systèmes d'apprentissage automatique qui doivent fonctionner au sein d'un produit plutôt que de rester confinés à un notebook. Cette force d'attraction de l'IA est la raison principale pour laquelle l'utilisation de Python ne cesse de croître ; plus de détails sur les chiffres ci-dessous.
Pour un produit web, cette polyvalence a une conséquence très concrète. Imaginons que votre feuille de route inclue un moteur de recommandation, une fonctionnalité de prévision ou un pipeline de traitement de documents. Avec Python, vous développez ces outils dans le même langage, et souvent dans la même base de code, au lieu de devoir mettre en place une seconde pile technologique et une équipe dédiée pour les maintenir.
On le retrouve également dans les secteurs du voyage, de la santé, des transports et de la finance, ce qui est plus important qu'il n'y paraît lorsque les exigences de conformité et d'audit commencent à dicter ce que vous êtes autorisé à déployer.
Le développement web consiste à créer, construire et maintenir des sites et des applications web. Il se divise en deux parties : le front-end, qui englobe tout ce avec quoi l'utilisateur interagit, et le back-end, qui contient la logique métier et communique avec la base de données. Python intervient dans le back-end, généralement associé au JavaScript côté front-end pour former un produit complet.
Alors, pourquoi le choisir pour ce rôle ? L'argument commercial repose sur trois points.
Délai de mise sur le marché. La lisibilité de Python et la maturité de ses frameworks permettent de concevoir une version fonctionnelle et déployable d'une application web standard en quelques semaines plutôt qu'en quelques mois. Pour un produit nécessitant des retours du marché avant le prochain cycle de financement, cet écart est l'argument décisif. Pour illustrer cela par un exemple concret : lorsque Eurofound, une agence de l'UE, a eu besoin d'une interface publique couvrant plus de 280 initiatives politiques, nous l'avons développée avec Django et livrée en six semaines. Ce calendrier n'est possible que parce que le framework vous fournit dès le premier jour le routage, un ORM et une interface d'administration, au lieu de vous obliger à les construire (étude de cas).
Coût de maintenance. Un code lisible est moins coûteux à modifier. Or, le coût d'une application web ne réside pas tant dans sa création que dans les modifications apportées pendant les trois à cinq années suivantes, souvent par des personnes qui n'ont pas participé à la conception initiale. La préférence de Python pour un code explicite et lisible réduit cette facture.
Vivier de recrutement. Dans l' enquête 2025 Stack Overflow auprès des développeurs, l'utilisation de Python a progressé de sept points de pourcentage sur un an pour atteindre environ 58 %, soit la plus forte hausse parmi tous les langages. Il se classe désormais parmi les quatre langages les plus utilisés, aux côtés de JavaScript, HTML/CSS et SQL. Plus révélateur encore pour un responsable du recrutement : c'est aujourd'hui le langage que les développeurs souhaitent le plus apprendre. Une position de premier plan, la croissance la plus rapide du secteur et le plus grand nombre de nouveaux entrants dans la profession qui le maîtrisent. Cela signifie que vous trouverez des candidats à tous les niveaux d'expérience, sur la plupart des marchés, à des tarifs inférieurs à ceux des langages plus rares.
Python est open source et libre d'utilisation, d'intégration et de distribution sans restrictions de licence. Pour un produit commercial, cela élimine discrètement toute une catégorie de démarches juridiques et d'approvisionnement.
Plusieurs facteurs concrets sous-tendent ces trois arguments commerciaux :
Facile à apprendre. Sa syntaxe simple permet aux développeurs de gérer des systèmes complexes et d'en discuter clairement. En pratique, un nouveau développeur devient opérationnel en quelques jours plutôt qu'en quelques semaines, et vous pouvez intégrer à votre équipe des personnes n'ayant jamais écrit de code Python auparavant.
Une bonne lisibilité. Le code Python se rapproche du langage courant. Les revues de code sont plus rapides, les transferts de compétences moins risqués, et le fonctionnement du système ne repose pas uniquement sur les connaissances d'une seule personne.
Des tâches complexes côté serveur. Python gère nativement l'IA, la science des données et le traitement intensif de données, en plus de toutes les fonctions classiques d'un back-end. Vous n'avez pas à choisir entre un bon langage web et un bon langage de données : vous bénéficiez des deux.
Une vaste communauté. La popularité est un atout pour le débogage autant qu'un gage de prestige. Bloqué par un bug ou incertain sur la manière d'implémenter une fonctionnalité inconnue ? Il est fort probable que quelqu'un ait déjà rencontré le problème et publié la solution.
Un large éventail de bibliothèques. Les bibliothèques Python sont des ensembles de code pré-écrit et maintenu qui allègent la charge de travail de votre équipe. NumPy et scikit-learn couvrent l'analyse de données et les algorithmes mathématiques, SQLAlchemy gère les requêtes SQL composables, tandis que Requests, Celery et Pillow prennent en charge les requêtes HTTP, les tâches de fond et les images. Autant de code que vous n'avez jamais à écrire, tester ou maintenir.
Des frameworks robustes. Les frameworks web Python les plus utilisés sont Django, Flask, FastAPI, Pyramid et Web2Py. Un framework est une boîte à outils : du code standardisé et testé pour le routage d'URL, l'accès aux bases de données, la gestion HTTP et l'authentification, permettant à votre équipe de consacrer son temps à ce qui différencie votre produit plutôt qu'à l'infrastructure technique.
Python n'est pas l'option la plus rapide par requête. Soyons précis sur les points où cela se fait réellement sentir.
L'interpréteur s'exécute plus lentement que les langages compilés comme Go ou Rust. Historiquement, il était également limité par le Global Interpreter Lock (GIL), qui ne permettait l'exécution que d'un seul thread à la fois et bridait les gains de performance d'un processus sur plusieurs cœurs CPU. Ce dernier point est désormais à nuancer. Depuis Python 3.14, sorti en octobre 2025, une version « free-threaded » désactivant le GIL est officiellement prise en charge (via PEP 703). Il s'agit d'une option à activer manuellement, le coût en performance sur un seul thread se situe entre 5 et 10 %, et toute extension C non compatible avec le mode « free-threading » réactivera silencieusement le GIL. Ce n'est donc pas une solution miracle, mais l'argument vieux de plusieurs décennies selon lequel « Python ne peut pas utiliser vos cœurs » n'est plus tout à fait vrai. Python 3.14 a également introduit un compilateur JIT expérimental (PEP 744), l'autre levier pour améliorer la vitesse en mode monothread.
Pour la grande majorité des applications web, cela ne change rien, car le temps de réponse est principalement dicté par les requêtes en base de données et les appels réseau, et non par l'exécution du code Python. Pour une petite minorité (trading haute fréquence, enchères en temps réel ou systèmes gérant des dizaines de milliers de connexions simultanées sur un seul nœud), le débit brut est une contrainte réelle et un autre langage peut s'avérer plus approprié.
Entre ces deux extrêmes, les solutions relèvent de l'ingénierie classique plutôt que d'une réécriture complète. Mise en cache avec Redis. Déport des tâches lentes vers des files d'attente en arrière-plan avec Celery. Externalisation des parties gourmandes en CPU vers un service écrit dans un langage plus rapide.
Le coût d'hébergement en découle directement. Dans nos projets clients, une application Python nécessite davantage de ressources de calcul qu'un service équivalent en langage compilé pour traiter le même trafic, ce qui se répercute sur la facture cloud mensuelle. [INSÉRER LE BENCHMARK ORIGINAL, ex. latence p95, temps de compilation ou écart de coût d'hébergement mesuré sur un projet IC, exprimé sous forme de chiffre concret. Il s'agit de la donnée unique que seul celui qui a exécuté le code possède et dont l'article a besoin.] Modélisez cela pour votre propre trafic plutôt que de vous baser sur le nôtre.
La sécurité est bien prise en charge avec Django, qui intègre par défaut des protections contre les failles XSS (cross-site scripting), CSRF (cross-site request forgery) et les injections SQL. Avec Flask, ces protections sont à la charge de votre équipe. C'est un risque réel à prendre en compte lorsque l'application manipule des données réglementées.
Django est un framework de développement web back-end en Python destiné à la création de sites web complexes et évolutifs. Il est en grande partie responsable du fait que Python soit devenu une référence incontournable pour le développement web. Il repose sur l'architecture modèle-vue-template (MVT), un modèle d'organisation du code qui sépare les données, la présentation et la structure :
Django suit la philosophie « batteries included » : les fonctionnalités standard nécessaires à une application web sont fournies avec le framework. Dès l'installation, vous disposez d'un système d'authentification des utilisateurs, d'un routage d'URL, d'un moteur de template, d'un ORM (Object-Relational Mapper) et de migrations de schéma de base de données. La configuration est rapide, et si vous avez besoin de plus, le Django Packages répertorie plus de 4 000 paquets réutilisables supplémentaires.
Cette maturité est précisément ce qui fait de Django un choix à faible risque pour les projets réglementés et intensifs en données : les problèmes que vous rencontrerez ont déjà été résolus et documentés. Pour Eurofound, nous avons intégré une base de données existante plutôt que d'en créer une nouvelle, et l'ORM ainsi que l'interface d'administration intégrée de Django ont été les facteurs clés permettant de respecter un délai serré de six semaines. En pratique, le cœur de ce type de développement est peu spectaculaire : une vue qui filtre un jeu de données existant et le pagine :
# Illustrative of the pattern behind Eurofound's initiative listings:
# one Django view filtering an existing dataset, no bespoke plumbing.
# [Swap for a real snippet from the IC codebase to fully satisfy the "own code" gate.]
from django.core.paginator import Paginator
from django.shortcuts import render
from .models import Initiative
def initiative_list(request):
qs = Initiative.objects.all()
if country := request.GET.get("country"):
qs = qs.filter(country__iso_code=country)
if topic := request.GET.get("topic"):
qs = qs.filter(topics__slug=topic)
page = Paginator(qs.order_by("-updated_at"), 20).get_page(request.GET.get("page"))
return render(request, "initiatives/list.html", {"page": page})L'ORM, le filtrage des requêtes et la pagination sont tous fournis par le framework. C'est tout l'avantage de l'approche « batteries included » en une douzaine de lignes.
Django est open source depuis 2005 et sa documentation est exceptionnellement complète, accompagnée d'une vaste bibliothèque de tutoriels pratiques. Instagram fonctionne avec, et Spotify l'utilise pour certaines parties de sa stack. On attribue souvent à tort YouTube à Django. Il s'agit bien d'une application Python, mais elle est antérieure au framework.
Armin Ronacher a lancé Flask en 2010, en tant que framework back-end Python positionné face à Django. Étant arrivé plus tard, son créateur a pu tirer parti de tout ce que la communauté de développement web Python avait appris jusque-là.
Après le succès initial de Flask, son auteur a créé les Pallets Projects, une collection de bibliothèques couvrant les besoins courants du développement web. Django et Flask servent le même objectif, mais ils ont des philosophies très différentes quant à la part de décisions que le framework doit prendre à votre place.
Flask est livré avec deux composants principaux : le moteur de template Jinja2, qui génère des modèles HTML, et Werkzeug, qui assure la gestion du routage HTTP. Tout le reste (la couche base de données, l'authentification, les formulaires, l'administration) est à votre discrétion. C'est pourquoi Flask est qualifié de micro-framework : il est fourni avec le strict minimum et laisse le reste ouvert, ce qui explique aussi pourquoi beaucoup le considèrent comme le plus « Pythonique » des deux.
Voici la différence concrète. Django est une cuisine équipée livrée dans un camion, avec les appareils installés, tout est déjà raccordé et placé là où on s'attend généralement à trouver les éléments d'une cuisine. Flask est une pièce vide bien construite, avec un câblage et une arrivée d'eau fonctionnels. Vous pouvez placer l'évier où vous le souhaitez, mais c'est aussi vous qui déciderez de son emplacement, qui le commanderez, l'installerez et justifierez ce choix à quiconque héritera de la pièce.
Ce minimalisme signifie que les applications sont construites avec très peu de code répétitif (boilerplate), et entre des mains expérimentées, Flask produit un code remarquablement direct. Sa flexibilité permet à une application d'évoluer au gré des besoins, sans avoir à lutter contre des conventions préétablies. Le revers de la médaille est que chaque décision que Django aurait prise pour vous devient une décision que votre équipe doit prendre, documenter et maintenir. Lorsque nous avons développé l'outil d'analyse socio-économique MPI d'Eurofound, Flask était le choix idéal précisément parce que le service était ciblé et axé sur les données, plutôt qu'un produit complet « tout inclus » (étude de cas).
| Django | Flask | |
|---|---|---|
| Philosophie | Batteries incluses | Noyau minimal, vous choisissez le reste |
| Lancement | 2005 | 2010 |
| Couche base de données | ORM et migrations intégrés | Choix libre, généralement SQLAlchemy |
| Interface d'administration | Intégrée | À construire ou ajouter soi-même |
| Authentification | Intégrée | Extension ou sur mesure |
| Sécurité par défaut | Protections contre XSS, CSRF et injections SQL incluses | Responsabilité de votre équipe |
| Vitesse de configuration | Rapide pour une application standard | Rapide pour un petit service |
| Idéal pour | Produits axés sur les bases de données, domaines réglementés, périmètre stable | Services ciblés, API, périmètre évolutif |
| Profil d'équipe | Équipes avec des niveaux d'expérience mixtes | Équipes expérimentées cherchant le contrôle |
| Risque principal | Lutter contre les conventions si votre cas est atypique | Accumuler des choix sur mesure que personne n'a documentés |
La plupart des comparaisons s'arrêtent aux tableaux de fonctionnalités. En pratique, le choix dépend de l'équipe et du produit, pas des frameworks. C'est pourquoi nous soumettons chaque projet client aux quatre mêmes questions. Nous appelons cela le test des quatre questions.
1. Quel est le niveau d'expérience de l'équipe qui assurera la maintenance ? Les conventions de Django servent de garde-fous. Au sein d'une équipe aux niveaux d'expérience variés, ou dont la composition est amenée à changer dans les deux prochaines années, ces garde-fous évitent bien des dérives coûteuses. Flask suppose que l'équipe est capable de prendre des décisions architecturales pertinentes de manière répétée et de les documenter.
2. Le périmètre du projet est-il stable ? Si vous savez ce que vous construisez et que cela ressemble à une application classique basée sur des données, les hypothèses de Django seront presque toutes pertinentes et vous gagnerez en rapidité sans effort. Si le périmètre est réellement incertain, ces mêmes conventions deviennent des freins, et la page blanche de Flask justifie alors les décisions supplémentaires à prendre.
3. Quelles sont les exigences de conformité ? Les données réglementées augmentent la valeur des paramètres de sécurité par défaut, d'un modèle d'autorisations intégré et d'une interface d'administration prête pour l'audit. C'est le domaine de prédilection de Django. C'est ce que nous avons choisi pour Eurofound, un projet pour une agence européenne réglementée avec un périmètre fixe et un délai de six semaines ne permettant pas de développer manuellement l'authentification ou l'administration. Choisir Flask dans un domaine réglementé est possible, à condition de prévoir explicitement le budget pour le travail de sécurité que Django vous aurait fourni clé en main.
4. À quoi ressemble le profil de trafic ? Pour un trafic classique de type requête-réponse, les deux frameworks conviennent. Pour des charges de travail largement asynchrones, en temps réel ou exclusivement basées sur des API, FastAPI surpasse désormais les deux, grâce à sa prise en charge native de l'asynchrone et à sa documentation d'API automatique. Il s'agissait du framework web ayant la plus forte progression dans l'enquête Stack Overflow 2025, ce qui signifie que le vivier de talents s'élargit rapidement. C'est ce que nous avons utilisé pour faire passer VestaConnect du stade de MVP à celui d'adoption payante (étude de cas).
Notre recommandation par défaut pour un client qui développe son premier produit web sérieux est Django. La majeure partie des risques dans ces projets est d'ordre organisationnel plutôt que technique, et Django élimine davantage de risques qu'il n'en crée. Nous optons pour Flask lorsque le service est délibérément restreint, ou lorsqu'une équipe expérimentée a une raison architecturale claire de vouloir un framework qui se fait oublier.
Le choix de votre stack technologique influence directement votre recrutement. Le vivier de talents Python est l'un des plus vastes parmi les langages back-end, quel que soit le niveau d'ancienneté ou le marché. Cela réduit vos délais de recrutement et diminue les coûts liés à la rareté des profils par rapport à d'autres langages. Si vous préférez externaliser des compétences Python seniors plutôt que de recruter, c'est précisément ce que proposent nos équipes d'ingénierie nearshore.
L'expérience sur Django et Flask est courante, particulièrement pour Django. L'avantage majeur réside dans la transférabilité des compétences : un développeur maîtrisant Python et l'un de ces deux frameworks peut rapidement devenir opérationnel sur l'autre au sein d'un même projet, ce qui est impossible entre des langages différents. Sur une feuille de route de trois ans, cette flexibilité est un atout considérable.
Vous hésitez entre Python et un autre langage back-end ? Notre comparatif Ruby vs Python pour le développement web détaille les enjeux de cette décision. Pour la partie front-end de votre stack, notre guide sur les meilleurs frameworks front-end pour 2026 présente les compromis équivalents.
Python est un choix solide pour le développement web car il accélère la mise en ligne, réduit les coûts de maintenance grâce à la lisibilité du code et s'appuie sur l'un des bassins de talents les plus vastes du secteur, lequel a connu la croissance la plus rapide de tous les langages dans l'enquête Stack Overflow 2025. C'est un langage back-end, associé au JavaScript pour le front-end. Il présente une limite de performance réelle mais bien identifiée, qui ne concerne qu'une minorité d'applications et qui est contournée dans tous les autres cas. Cette limite est d'ailleurs en train de reculer, le GIL étant désormais optionnel depuis Python 3.14.
Vous hésitez entre les deux frameworks dominants ? Soumettez-les au test des quatre questions : niveau d'expérience de l'équipe, stabilité du périmètre, exigences de conformité et profil de trafic. Django convient aux produits centrés sur les bases de données, aux secteurs réglementés et aux équipes aux niveaux de compétence variés. Flask est idéal pour les services ciblés et les équipes expérimentées souhaitant garder la main sur leurs choix techniques. FastAPI est la solution privilégiée pour les charges de travail asynchrones ou les architectures API-first. La communauté Python a une expression qui résume parfaitement cette différence de philosophie, et nous l'avons empruntée pour le titre de notre comparatif Flask vs Django: les pirates utilisent Flask, la Marine utilise Django.
Python est-il assez rapide pour des applications web en production ?Oui, pour la grande majorité des applications. Le temps de réponse d'une application web classique dépend davantage des requêtes en base de données et des appels réseau que de l'exécution du code Python ; la vitesse de l'interpréteur influence donc rarement l'expérience utilisateur. Lorsque le débit devient réellement une contrainte, la mise en cache, les files d'attente de tâches en arrière-plan et les frameworks asynchrones comme FastAPI permettent de résoudre la plupart des problèmes. De plus, depuis Python 3.14, la version « free-threaded » supprime le GIL pour les tâches intensives en CPU, bien que la prise en charge par les bibliothèques soit encore en cours. Les applications gérant des dizaines de milliers de connexions simultanées par nœud constituent la véritable exception, et celles-ci pourraient être mieux servies par Go ou Rust.
Dois-je choisir Django ou Flask ?Choisissez Django si votre produit repose fortement sur une base de données, si son périmètre est relativement stable, si vous avez des exigences de conformité ou si votre équipe est composée de profils aux niveaux d'expérience variés. Choisissez Flask si vous développez un service ou une API spécifique, si vos besoins évoluent encore et si vous disposez de développeurs expérimentés souhaitant prendre leurs propres décisions architecturales. Si la majeure partie de votre charge de travail est asynchrone ou purement orientée API, examinez FastAPI avant de faire votre choix.
Combien coûte la maintenance d'une application web Python ?Le coût principal réside dans le temps de développement consacré aux modifications et au support, et non dans l'hébergement. Python permet de maintenir ce coût relativement bas, car un code lisible est moins onéreux à modifier et le bassin de talents est suffisamment large pour remplacer des collaborateurs sans recherche prolongée. L'hébergement coûte plus cher que pour un service équivalent dans un langage compilé à trafic égal, mais cette différence est rarement déterminante pour une application de taille moyenne.
Python est-il toujours un bon choix pour le développement web en 2026 ?Oui. Son utilisation a progressé de sept points de pourcentage d'une année sur l'autre dans l'enquête Stack Overflow 2025, soit la plus forte hausse parmi tous les langages. C'est le langage que les développeurs souhaitent le plus apprendre, ses frameworks sont activement maintenus, et sa position dans l'IA et la science des données a renforcé sa pertinence plutôt que de l'affaiblir, car les fonctionnalités de machine learning peuvent être intégrées à la même pile technologique que l'application. Le véritable choix ne se résume pas à Python face à une alternative plus récente, mais à la polyvalence de Python face au débit d'un langage plus rapide.
À quoi sert Python en dehors du développement web ?À la science des données et au machine learning, à l'automatisation et au scripting, au calcul scientifique, à la modélisation financière et, de plus en plus, aux outils d'infrastructure. Pour un produit web, c'est un atout majeur : une fonctionnalité de données ou d'IA prévue dans votre feuille de route peut être développée dans le même langage, et souvent au sein de la même base de code, évitant ainsi d'avoir recours à une seconde pile technologique et à une équipe dédiée.
Python peut-il gérer des sites web à fort trafic ?Oui, avec une architecture adaptée. Instagram fonctionne sous Django à très grande échelle et a documenté sa méthode. Le modèle est bien établi : montée en charge horizontale derrière un équilibreur de charge, mise en cache agressive, traitement asynchrone des tâches lentes et déport des calculs intensifs vers un service séparé ou via la version « free-threaded ». Ce que Python ne vous offre pas, c'est un débit élevé par nœud sans ce travail architectural préalable.
Choisir une pile technologique back-end est plus simple lorsqu'on est accompagné par quelqu'un qui a déjà fait ce choix et en a vécu les conséquences. Si vous hésitez entre Python et d'autres alternatives pour un nouveau produit, ou si vous devez trancher entre Django et Flask pour un projet déjà en cours, prenez rendez-vous et nous en discuterons avec vous.
Étudiant en informatique et à temps partiel d'ImaginaryCloud. Désireux d'apprendre de nouvelles technologies et techniques. Joueur de tennis et pianiste.
PDG d'Imaginary Cloud et co-auteur du livre Product Design Process. J'aime la gastronomie, le vin et le Krav Maga (pas nécessairement dans cet ordre).
LinkedIn
People who read this post, also found these interesting:
.webp)
