AI/ML Engineer & MLOps 80-100%

Chez Sunrise, nous pensons en grand, allons plus loin et créons de nouvelles idées. Pour nous, la culture de travail signifie accomplir de grandes choses ensemble. C’est là où le respect et les idées innovantes se combinent avec un véritable travail d’équipe – chaque voix compte, chaque perspective nous rend plus forts. Notre passion nous pousse à essayer de nouvelles choses et à grandir continuellement. Ça vous ressemble ? Alors rejoignez notre histoire à succès.
Chez ADAO (AI, Data and Agentic Enablement Office), nous rassemblons les personnes pour débloquer l’avenir de Sunrise grâce aux données, à l’analytique, à l’IA et aux technologies agentiques. Nous pensons en grand, agissons avec détermination et transformons les idées en impacts réels pour nos clients et nos équipes. ADAO est l’endroit où l’innovation rencontre la confiance : nous construisons des bases de données solides, développons des capacités d’IA sûres et fiables à grande échelle, et autonomisons les unités commerciales via un modèle opérationnel hub-and-spoke pour délivrer des résultats significatifs à travers l’entreprise. Dans ce modèle, vous travaillerez au sein de l’équipe Agentic Enablement and Prompt Engineering & Conversation Design, où le hub central fournit standards, plateformes, architecture et meilleures pratiques, tandis que des Pods transversaux, orientés résultats, sont intégrés et dirigés par le business. Vous agirez en tant qu’expert en ingénierie, en partenariat étroit avec le business pour répondre à leurs priorités et objectifs.
Dans ce rôle, vous concevrez, construirez, déploierez et exploiterez des solutions ML et GenAI de qualité production, y compris des composants RAG lorsque cela est pertinent, qui apportent une valeur commerciale mesurable pour Sunrise, en assurant l’excellence du cycle de vie complet, de l’expérimentation au déploiement automatisé, en passant par la surveillance, les contrôles de risque et l’amélioration continue, en alignement avec les standards et la gouvernance d’ADAO.
Vous ferez partie du chapitre central AI/ML Engineering & MLOps au sein du Hub ADAO, soutenant les Domain Pods intégrés via des composants de plateforme réutilisables, des standards d’ingénierie et une livraison pratique.
VOTRE DÉFI :
•
Développer & industrialiser des solutions ML/GenAI : Traduire les feuilles de route business en conceptions de solutions tout en mettant en œuvre des pipelines robustes d’entraînement/inférence et des services de production répondant à toutes les exigences non fonctionnelles
•
Co-concevoir les architectures de solution avec les Data Scientists et les Domain Pods (batch/temps réel, APIs, patterns RAG lorsque pertinent)
•
Industrialiser les prototypes : tests automatisés, packaging sécurisé, déploiement/rollback, et optimisation performance/coût
•
Posséder & faire évoluer les pipelines MLOps/LLMOps : Construire des workflows CI/CD standardisés, gérer la promotion des modèles via dev→test→prod, et maintenir la surveillance ainsi que les mécanismes de dérive/retraining
•
Maintenir des templates CI/CD/CT standards incluant packaging modèle/prompt, gates de validation, et promotion dev→test→prod
•
Opérer le registre/versioning des modèles et les déclencheurs de retraining automatisés alignés à la gouvernance ADAO et aux fenêtres de changement CIO/IT
•
Opérer l’expérimentation & la gestion des fonctionnalités : Fournir une expérimentation reproductible, gérer les patterns et validations du feature store, et promouvoir des datasets/fonctionnalités réutilisables entre Pods
•
Fournir le suivi des expériences, versioning dataset/fonctionnalités et patterns feature-store (parité offline/online)
•
Exécuter des bancs d’évaluation pour ML & GenAI (régression, tests A/B, contrôles sécurité & multilingues) et partager les ressources réutilisables
•
Documentation, gouvernance & risque des modèles : Produire une documentation conforme des modèles, mettre en œuvre les contrôles requis de gouvernance/sécurité/confidentialité, et soutenir les mesures de sécurité et d’auditabilité GenAI
•
Produire des fiches modèles et artefacts de conformité (sources de données, limitations, contrôles confidentialité/biais) et preuves pour audits
•
Mettre en œuvre des garde-fous Responsible AI / GenAI : grounding, approbations HITL, journaux d’audit, et revues de risque avec les équipes de gouvernance
•
Observabilité, fiabilité & réponse aux incidents : Mettre en place une observabilité complète pour les modèles et services, maintenir les runbooks et alertes, participer à la résolution d’incidents, et piloter les améliorations de fiabilité
•
Définir SLOs/SLIs et implémenter la surveillance/alerte pour qualité, dérive, latence, disponibilité et coût
•
Maintenir les runbooks, participer aux astreintes/post-mortems d’incidents, et piloter les actions correctives
•
Facilitation & composants réutilisables : Fournir des composants ML/GenAI réutilisables, coacher les équipes sur les meilleures pratiques MLOps/LLMOps et assurer des standards d’ingénierie cohérents entre Hub et Pods
•
Construire des bibliothèques réutilisables et des implémentations de référence (connecteurs RAG, utilitaires d’évaluation, scaffolding de déploiement)
•
Coacher les ingénieurs des Pods via des revues, du pairing et des cliniques ; contribuer aux matériaux de l’ADAO AI Academy
•
Livrables clés (illustratifs) :
•
Template standard de pipeline ML/LLMOps + architectures de référence (batch/temps réel/RAG)
•
Registre de modèles & versioning d’artefacts (modèles, prompts, datasets, fonctionnalités)
•
Tableaux de bord de surveillance + détection de dérive + reporting SLO
•
Suite de tests d’évaluation GenAI (régression, sécurité, multilingue) et seuils d’acceptation
•
Pack documentation modèle et runbooks opérationnels (prêts pour audit)
VOS COMPÉTENCES :
•
Bachelor/Master en informatique, data science, ingénierie, mathématiques ou expérience pratique équivalente
•
3+ ans en ingénierie ML, MLOps, ingénierie logiciel/données ou rôles similaires, avec production avérée de solutions ML/GenAI de bout en bout
•
Expérience pratique CI/CD et DevOps pour charges ML (tests, contrôle de version, gestion des releases), plus IaC (Terraform/Pulumi) et GitOps
•
Expérience avec frameworks ML (scikit-learn, PyTorch, TensorFlow) et patterns de service (REST/gRPC, batch, streaming), ainsi qu’outils MLOps (MLflow, Kubeflow, Azure ML, Vertex AI, SageMaker)
•
Solide ingénierie logicielle Python (tests, APIs), conteneurs (Docker) et patterns de déploiement cloud ; expérience GenAI/RAG est un plus
•
Familiarité avec feature stores, suivi d’expérimentation, tests qualité données et outils d’orchestration (Airflow/Dagster/Prefect), travail en configurations Hub et Pod transversales
•
Excellentes compétences en communication et gestion des parties prenantes, esprit de responsabilité et fiabilité sous pression avec une approche d’ingénierie structurée
•
Capacité à influencer sans autorité formelle, promouvoir les standards entre Hub et Pods, et s’adapter continuellement aux technologies AI/ML évolutives ; expérience télécommunications est un plus
Chez Sunrise, vous travaillerez dans un environnement dynamique et multinational où chaque voix est entendue, les perspectives sont partagées et les valeurs vécues. La diversité n’est pas qu’un programme pour nous, c’est dans notre ADN. En célébrant nos différences, nous accomplissons de grandes choses ensemble.
Sunrise s’est associé à «Advance – Gender Equality in Business». Nous avons également reçu le label suisse LGBTI et la certification «Fair-ON-Pay Advanced» en reconnaissance de notre engagement à offrir à tous nos employés une rémunération égale pour un travail de valeur égale.
Prêt à relever le défi ? Alors rejoignez l’équipe et façonnez activement notre avenir !
#ChallengersWanted
Informations pour les agences : Les dossiers de candidature envoyés ou téléchargés par des agences de placement ou similaires ne sont pas souhaités, ne seront donc pas pris en compte et seront supprimés.
#LI-SJ1