Work↗03 — Featured↗E-Commerce & Generative AI

Thrift Plug.

Plateforme e-commerce de friperie haut de gamme avec tarification et catégorisation assistées par IA et réservation de stock en temps réel.

Visit Live Project↗
CLIENT
Thrift Plug (Cameroon)
ROLE
Lead Fullstack & DevOps Engineer
YEAR
2026
DURATION
3 Months
STATUS
In Production
thrift-plug
§01 — OVERVIEW
Thrift Plug est une plateforme e-commerce sur mesure conçue pour surmonter les défis opérationnels et de gestion de stock uniques du marché de la friperie au Cameroun (ciblant Douala et Yaoundé). Contrairement au e-commerce classique, chaque vêtement de friperie est une pièce unique. La plateforme associe un frontend ultra-rapide sous Next.js à Payload CMS, un système de catalogage automatisé par IA multimodale via Google Gemini, un moteur d'acquisition de stock atomique en temps réel pour empêcher les conflits d'achat concurrents, et un pipeline DevOps CI/CD entièrement conteneurisé.
§02 — CHALLENGE

Empêcher le Double-Achat sur des Pièces Uniques

Chaque article étant unique, un parcours de commande classique créait un risque réel : deux clients pouvaient acheter le même vêtement dans la même seconde, aboutissant à une vente que la boutique ne pouvait pas honorer.

Un Catalogage qui Ne Suivait Plus le Volume

Importer des centaines de vêtements uniques chaque semaine impliquait une saisie manuelle du titre, de la marque, de la couleur et de la catégorie — un goulot d'étranglement qui limitait la croissance et restait sujet à l'erreur humaine.

Des Pages Chargées en Images sur Connexions Lentes

Les clients de friperie ont besoin de photos haute résolution pour juger l'état des vêtements, mais servir des milliers d'images lourdes directement ralentissait le site, surtout sur les connexions mobiles locales.

§03 — THE BUILD
Thrift Plug homepage grid featuring premium one-of-a-kind vintage apparel
Multimodal AI auto-cataloging interface analyzing newly uploaded garment images
[ Image Placeholder ]
Page d'accueil de la boutique Thrift Plug présentant les collections de pièces uniques
§04 — APPROACH
J'ai conçu un parcours de commande avec réservation atomique et limitée dans le temps : dès qu'un client entame le paiement, l'article est verrouillé et toute tentative concurrente sur le même article est automatiquement rejetée, avec une libération automatique en cas d'abandon. Pour le catalogage, j'ai mis en place un pipeline assisté par IA : chaque photo de vêtement importée est analysée automatiquement pour générer le titre, la marque, la couleur, la catégorie et une description de vente prête à l'emploi, réduisant une saisie manuelle multi-champs à un simple envoi de photo. Les médias sont diffusés via un stockage dédié et un CDN plutôt que par le serveur applicatif, pour garantir un chargement rapide sans alourdir la base de données. L'ensemble de la plateforme est déployé via un pipeline CI/CD automatisé, avec des tests d'intégration qui valident chaque mise en production pour des déploiements fiables et sans intervention manuelle.
STACK
Next.jsMongoDBHostinger VPS
§05 — OUTCOMES
100%
Zéro erreur de double achat en production
< 5s
Temps d'analyse et catalogage d'article par IA
100%
Déploiements automatisés via Docker CI/CD
NEXT PROJECT
04 / 6
Nextise→

Un écosystème SaaS et d'automatisation IA d'entreprise optimisant les processus métiers via des flux de travail évolutifs.