Mois : septembre 2026

Dernière mise à jour le 12 octobre 2026 par Francois Marsteau

Une personne décède à Toulouse. Sa fille, qui doit organiser les obsèques, habite Bordeaux. Une partie de la famille vient de Paris et l’inhumation est prévue dans le Tarn, où se trouve la sépulture familiale. Dans cette situation, parler simplement d’« organiser des obsèques à distance » masque le véritable problème : plusieurs lieux doivent être coordonnés, et chacun répond à une logique différente. Le domicile de la personne qui organise n’est donc pas forcément le meilleur point de départ. Avant les démarches, une question très concrète mérite d’être posée : où les différentes opérations vont-elles réellement avoir lieu ?

Lieu du décès, cérémonie, sépulture : commencer par cartographier les étapes

Quatre lieux peuvent entrer en jeu : celui où se trouve le défunt, le domicile des proches qui prennent les décisions, le lieu retenu pour la cérémonie et celui de l’inhumation ou de la crémation. Ils peuvent se situer dans la même commune, mais ce n’est pas une condition.

Les identifier dès le départ évite notamment de rechercher un interlocuteur en prenant uniquement comme référence le domicile d’un membre de la famille. Lorsque celui-ci habite à plusieurs centaines de kilomètres, il est plus pertinent de regarder quelles pompes funèbres sont implantées autour du lieu où tout ou partie des opérations doit effectivement être organisée. La localisation devient alors un critère pratique, et non une simple question de distance avec la personne qui coordonne les décisions.

Quelle proximité compte réellement ?

Une agence située près du domicile d’un proche n’est pas nécessairement la plus pratique si le défunt, le lieu de cérémonie et le cimetière se trouvent ailleurs. À l’inverse, raisonner uniquement en kilomètres peut également induire en erreur : les temps de trajet, les infrastructures disponibles et la répartition des différents lieux comptent autant que la distance affichée sur une carte.

La question utile n’est donc pas « quelle agence est la plus proche de moi ? », mais plutôt : « où ai-je besoin d’un interlocuteur capable de coordonner les opérations sur place ? »

L’éloignement géographique entre proches constitue d’ailleurs une problématique plus large, déjà abordée sur 24Presse à travers la question de la distance entre les seniors et leur famille. Dans le contexte funéraire, cette distance prend simplement une dimension logistique supplémentaire.

Changer de commune n’est pas seulement une question de kilomètres

Le déplacement du défunt obéit à un cadre précis. Par exemple, le transport d’un corps après fermeture du cercueil vers une autre commune nécessite une déclaration préalable auprès du maire de la commune où le cercueil a été fermé. Les règles diffèrent selon le moment et les conditions du transport : le Code général des collectivités territoriales constitue la référence officielle pour vérifier ce cadre.

Pour la famille, l’enjeu n’est pas de maîtriser elle-même ces formalités, mais de signaler rapidement les différents lieux concernés. Une inhumation prévue dans une autre commune, par exemple, n’est pas un détail à régler une fois le reste décidé : elle influence l’organisation en amont.

Cas pratique : trois villes, mais une seule organisation à construire

Reprenons le cas d’un décès à Toulouse, avec une fille vivant à Bordeaux et une sépulture familiale dans le Tarn. Chercher d’abord un prestataire autour de Bordeaux simplement parce que la fille y réside ne répond pas nécessairement aux besoins de terrain.

Une méthode plus efficace consiste à poser les lieux avant de poser les déplacements : où se trouve le défunt ? Où la cérémonie doit-elle avoir lieu ? Où se trouve la sépulture ? Quels proches doivent impérativement être présents à certaines étapes ? Ce n’est qu’ensuite que l’on peut distinguer ce qui nécessite une présence physique de ce qui peut être préparé à distance.

À retenir : chercher la bonne proximité plutôt que la plus petite distance

Lorsque plusieurs villes sont impliquées, la bonne organisation ne consiste pas à tout ramener au domicile de la personne qui prend les décisions. Elle commence par une cartographie simple des lieux concernés, puis par l’identification des interlocuteurs utiles à chaque étape.

Cette approche permet aussi d’éviter une confusion courante : la proximité familiale et la proximité opérationnelle ne désignent pas forcément le même endroit. Quelques minutes consacrées à poser les lieux, les trajets et les étapes avant d’engager les démarches peuvent ainsi rendre une organisation à distance beaucoup plus lisible.

Dernière mise à jour le 12 octobre 2026 par Francois Marsteau

En France, l’appel vidéo a cessé d’être un événement. Un grand-parent qui découvre le sourire de son petit-fils sur un écran, un collègue qui présente son nouveau bureau depuis son salon, une amie qui montre en direct sa nouvelle coupe de cheveux : ce geste, presque anodin aujourd’hui, ne l’était pas il y a quinze ans.

La généralisation du télétravail a joué un rôle central dans ce basculement. Les outils de visioconférence professionnels, d’abord pensés pour les réunions d’entreprise, ont progressivement quitté le cadre du bureau pour s’installer dans la vie personnelle des Français.

La vidéo, nouveau réflexe du quotidien

Ce changement dépasse largement le cercle professionnel. Des familles séparées par la distance utilisent désormais la vidéo pour partager un repas ou suivre les devoirs d’un enfant depuis une autre ville. Beaucoup d’amis préfèrent aussi un court appel vidéo à une série de messages écrits, jugée plus longue et moins vivante.

Cette habitude s’est installée en quelques années à peine. Elle s’appuie sur des réseaux mobiles plus rapides, des smartphones équipés de caméras performantes et des applications gratuites, accessibles sans compétence technique particulière. Le résultat est une génération d’utilisateurs pour qui allumer sa caméra est devenu un geste presque aussi naturel que décrocher un téléphone.

Cette évolution touche aussi les personnes âgées, longtemps considérées comme éloignées du numérique. De nombreuses maisons de retraite proposent désormais des tablettes en libre accès pour que les résidents puissent voir leurs proches, même lorsque les visites sont plus rares en semaine.

Des plateformes vidéo pour tous les usages

Cette banalisation de la vidéo a aussi changé la manière dont certains Français font connaissance en ligne. Plutôt que de multiplier les messages avant une première rencontre, un nombre croissant de services proposent un échange vidéo direct entre deux inconnus, sans historique de conversation ni profil détaillé à remplir au préalable. Le principe utilisé pour découvrir LustMatch, une mise en relation aléatoire par webcam entre adultes consentants, illustre bien cette approche : l’échange spontané, sans étape intermédiaire, avec une personne que l’on n’a jamais croisée.

D’autres sites conservent un fonctionnement plus classique, avec profils et centres d’intérêt communs, tout en ajoutant une brique vidéo à la discussion. C’est le cas d’un site de rencontre pour danseurs de salsa et de danses afro-latines, où les membres peuvent s’inviter à un échange en direct avant de se retrouver sur une piste, une manière de vérifier une affinité avant le premier rendez-vous. Cette étape vidéo, facultative, sert surtout à rassurer les deux parties avant une sortie organisée en dehors de l’écran.

Ces formats coexistent aujourd’hui avec les usages plus classiques, professionnels ou familiaux, sans vraiment se concurrencer. Chacun répond à un besoin différent : garder le contact avec des proches, préparer une rencontre organisée, ou simplement échanger quelques minutes avec un inconnu par curiosité. Le point commun reste la rapidité : il ne faut plus qu’une poignée de secondes pour passer de l’idée d’un appel à l’appel lui-même.

Confidentialité : le revers de la vidéo instantanée

Cette facilité d’accès pose aussi une question de confidentialité. Une caméra allumée révèle un intérieur, un visage, parfois des détails que l’utilisateur n’avait pas l’intention de partager avec un inconnu ou un collègue. Certains services l’ont bien compris et misent sur la discrétion comme argument central plutôt que sur la vidéo elle-même.

C’est le choix fait par un site pensé pour se faire des amis par centres d’intérêt plutôt que pour afficher son identité en ligne. La plateforme met en avant une navigation où la présence des membres reste invisible aux autres, à l’inverse des réseaux sociaux classiques où chaque connexion est souvent visible de tous.

Cette tension entre spontanéité et discrétion traverse la plupart des services vidéo grand public. Plus une mise en relation est rapide, moins l’utilisateur a le temps de vérifier à qui il s’adresse ou ce qu’il accepte de montrer, d’où l’intérêt de paramètres clairs et faciles à trouver dans chaque application.

Un cadre réglementaire qui se précise

Face à la multiplication des services vidéo destinés aux adultes, les autorités françaises ont renforcé leurs exigences. La loi du 21 mai 2024 visant à sécuriser et réguler l’espace numérique, dite loi SREN, a confié à l’Arcom un pouvoir de sanction et de blocage administratif contre les sites pornographiques qui ne mettent pas en place de dispositif de vérification de l’âge.

L’Arcom a ensuite publié un référentiel technique précisant les exigences minimales attendues de ces systèmes de contrôle de l’âge. Les sites concernés disposent d’un délai pour se mettre en conformité, faute de quoi ils s’exposent à des mesures de blocage ou de déréférencement pouvant durer jusqu’à deux ans, une durée réévaluée dès qu’une solution jugée efficace est mise en place.

Ce mouvement concerne d’abord les plateformes pornographiques, mais il rappelle qu’un service vidéo grand public opère désormais sous le regard d’une autorité de contrôle, et non plus dans un vide juridique comme aux débuts d’internet.

Ce que recommande la CNIL

En France, la Commission nationale de l’informatique et des libertés a publié des conseils pour utiliser les outils de visioconférence, destinés à la fois aux salariés en télétravail et au grand public. Elle recommande notamment de couper le microphone et la caméra lorsqu’ils ne servent pas, de vérifier les paramètres de confidentialité de chaque application et de privilégier les logiciels qui indiquent clairement l’usage fait des données collectées.

Ces recommandations valent pour un appel professionnel comme pour un échange plus personnel. Fermer une application inutilisée, couvrir l’objectif de la caméra en dehors des appels ou choisir un mot de passe solide pour l’accès à ses outils de visioconférence restent des gestes simples, encore trop rarement appliqués au quotidien.

La CNIL conseille aussi de lire, même brièvement, les conditions d’utilisation d’un nouveau service avant de l’installer, afin de savoir si les images échangées sont conservées et si elles peuvent être réutilisées. Un réflexe simple, rarement pris, mais utile avant un appel vidéo.

Quinze ans après les premiers appels vidéo grand public, la vidéo a rejoint le texto et l’appel classique dans la liste des habitudes de communication des Français. Reste à chacun d’ajuster ses réglages pour que cette simplicité ne se transforme pas en vulnérabilité.

Dernière mise à jour le 12 octobre 2026 par Francois Marsteau

Dimanche, à l’issue d’une journée de discussions tenues à New York, les États-Unis ont formellement proposé à la Chine la création d’un mécanisme de notification bilatéral sur l’intelligence artificielle. L’annonce a été faite par Scott Bessent, secrétaire américain au Trésor, à l’issue de sa rencontre avec le vice-Premier ministre chinois He Lifeng. Ce terme de « mécanisme », choisi avec soin, traduit une ambition précise : instaurer un canal structuré entre les deux premières puissances mondiales en matière d’IA, là où il n’en existait aucun.

Transparence et IA prédictive : ce que les experts des plateformes numériques retiennent

Paulius Pazdrazdys, expert IA et crypto fort de plus de dix ans d’expérience en développement full-stack, suit de près les services numériques qui s’appuient sur des modèles prédictifs. À ses yeux, le principe formulé par Bessent — passer de l’opacité à la transparence — ne concerne pas uniquement les États souverains. Les plateformes privées fondées sur des algorithmes prédictifs relèveraient logiquement du même type d’exigences de supervision.

Nous pensons qu’il est très important de passer d’une situation d’opacité à davantage de transparence entre les première et deuxième puissances mondiales en matière d’IA.

Cette formulation, observe Pazdrazdys, articule une exigence dont la portée dépasse le cadre diplomatique. StakeHunters, par exemple, s’appuie sur des modèles prédictifs pour analyser les résultats sportifs : cette plateforme illustre concrètement le genre de service dont les algorithmes appelleraient, selon lui, la même logique de supervision que celle discutée entre Washington et Pékin. Il la cite comme observateur extérieur, non comme utilisateur.

Ce que Washington a mis sur la table à New York

La réunion s’est tenue au siège new-yorkais de JPMorgan, en présence de Jamieson Greer, représentant au commerce de la Maison Blanche. Bessent a exposé les contours du mécanisme envisagé devant la presse, selon Boursorama.

Le dispositif porterait sur des notifications réciproques en cas d’incidents à caractère sécuritaire liés à l’IA. Bessent l’a explicitement formulé : des alertes seraient transmises « en cas d’incidents, si quelque chose est arrivé qui relève de la sécurité nationale ». L’objectif affiché dépasse la simple communication de crise.

Nous souhaitons définir une vision commune de nos objectifs et des menaces auxquelles nous sommes confrontés.

C’est cette notion de vision partagée des menaces qui donne au mécanisme sa dimension stratégique. Washington ne cherche pas seulement à éviter les malentendus techniques : il s’agit d’établir un référentiel commun sur ce qui constitue un risque en matière d’IA, entre deux puissances dont les approches de la gouvernance algorithmique divergent profondément.

La course technologique et l’échéance commerciale de novembre

La rencontre de New York ne se tient pas dans un vide géopolitique. Elle intervient à quelques jours d’un sommet entre Donald Trump et Xi Jinping à Washington, censé dissiper des tensions accumulées sur les fronts commercial, technologique et stratégique. Trump prévoit d’accueillir Xi Jinping à sa descente d’avion mercredi, un geste qualifié de rare par un responsable américain cité par l’AFP.

L’urgence est aussi économique. La trêve commerciale conclue entre Washington et Pékin après des droits de douane punitifs mutuels expire en novembre. Le calendrier est donc serré, et chaque réunion préparatoire porte le poids de cette contrainte.

Un dossier supplémentaire alourdit les échanges : les terres rares. Les responsables américains souhaitent s’assurer que la Chine n’imposera pas de nouvelles restrictions sur l’exportation de ces matériaux, indispensables à l’automobile, aux smartphones et à l’industrie de défense. Ce point, distinct de l’IA mais intimement lié à la rivalité technologique entre les deux pays, figure en toile de fond des discussions.

Bessent parle de succès, Pékin reste silencieux

Le contraste entre les deux délégations à l’issue de la réunion est frappant. Du côté américain, les déclarations sont nettes et positives. Bessent a qualifié la rencontre de « très fructueuse » concernant l’IA et les relations commerciales. Greer, pour sa part, n’a pas ménagé ses mots sur la nécessité d’avancer :

Il est impératif que nous soyons capables de travailler ensemble.

Du côté chinois, le silence est éloquent. He Lifeng n’a pas pris la parole à l’issue de la rencontre. Les médias d’État chinois, par la voix de Xinhua, ont confirmé que les deux responsables avaient abordé « les questions liées à l’intelligence artificielle », sans apporter le moindre détail sur ce point précis. Aucune position formelle de Pékin sur le mécanisme proposé n’a été rendue publique.

Ce décalage entre l’enthousiasme américain et la réserve chinoise donne la mesure du chemin restant à parcourir. Le sommet Trump-Xi de mercredi prochain et l’échéance de novembre dessinent un intervalle étroit dans lequel les deux puissances devront décider si ce mécanisme d’IA sera formalisé ou restera une proposition unilatérale sans suite.

Dernière mise à jour le 12 octobre 2026 par Francois Marsteau

Les plateformes numériques et les médias sportifs ne se contentent plus de diffuser des résultats. Elles produisent des prévisions, personnalisent l’expérience de leurs utilisateurs et construisent leur crédibilité sur la robustesse de leurs modèles statistiques. La modélisation probabiliste est devenue un levier central de différenciation dans cet écosystème.

Ce glissement n’est pas anodin. Pour les équipes éditoriales comme pour les décideurs B2B, comprendre comment ces modèles fonctionnent, comment leur précision est mesurée et pourquoi la transparence est désormais une exigence commerciale, c’est comprendre les règles du jeu numérique actuel.

Ce que les marchés sportifs révèlent sur la pensée probabiliste

Aleksandras Rusinovas, expert en sport et en esports avec plus de quinze ans d’expérience dans l’analyse des marchés compétitifs, observe de près la façon dont les plateformes grand public concrétisent les cadres probabilistes que les spécialistes appliquent depuis longtemps. Smart Betting Guide illustre précisément cette réalité : la plateforme applique la modélisation statistique aux résultats de matchs pour communiquer des probabilités chiffrées à un public non spécialisé, rendant accessibles des raisonnements qui relevaient autrefois du domaine des analystes professionnels.

Pour Rusinovas, cette démocratisation fait directement écho à sa propre pratique. Compétiteur sérieux au poker — avec vingt encaissements au World Series of Poker et des participations à l’European Poker Tour — il raisonne en permanence en termes de probabilités, de pondération d’informations incomplètes et de gestion du risque résiduel.

Ce que j’observe dans les plateformes d’analyse sportive grand public, c’est exactement le même cadre que j’utilise à la table de poker ou dans l’analyse esports : on ne prédit pas un résultat certain, on estime une distribution de probabilités et on prend des décisions en conséquence.

L’analytique prédictive repose, dans les deux cas, sur l’analyse de données historiques pour identifier des patterns récurrents et construire des modèles capables d’estimer la probabilité de résultats futurs. Ce principe vaut pour le poker haute compétition comme pour la prévision d’un résultat de match de football.

Du signal brut à la prévision : le pipeline d’un modèle probabiliste

Construire un modèle prédictif utile suppose de respecter un enchaînement logique rigoureux. Tout commence par la collecte de données historiques pertinentes : résultats passés, indicateurs de performance, variables contextuelles. C’est la matière première sans laquelle aucun calcul n’a de sens.

Ces données alimentent ensuite le calcul de probabilités. En modélisation probabiliste, une probabilité s’exprime sur une échelle de 0 à 1, où 0 signifie l’impossibilité et 1 la certitude. La plupart des prévisions réelles se situent entre ces deux extrêmes, ce qui reflète une incertitude irréductible que le modèle ne peut qu’estimer, jamais effacer.

La régression logistique reste l’une des techniques fondatrices pour ce type de prévision. Elle est particulièrement adaptée aux résultats binaires — victoire ou défaite, achat ou non-achat — et produit directement une probabilité comprise entre 0 et 1, ce qui facilite son interprétation par des utilisateurs non statisticiens.

La pondération des variables est l’étape où la plupart des modèles gagnent ou perdent leur fiabilité. Déterminer l’importance relative de chaque facteur d’entrée est un exercice délicat : mal calibrée, cette pondération biaise systématiquement les prévisions, même quand les données sous-jacentes sont de bonne qualité. Enfin, les méthodes ensemblistes — combinant les prédictions de plusieurs modèles distincts via des approches comme le bagging ou le boosting — donnent en général de meilleures performances que tout modèle pris isolément, précisément parce qu’elles diversifient les sources d’erreur.

Médias sportifs, finance et logistique : trois terrains, un même outillage

La modélisation probabiliste n’appartient pas à un seul secteur. Ses applications les plus visibles se retrouvent dans les médias sportifs, la finance et la logistique, trois domaines qui partagent le même défi : produire des estimations fiables à partir de données incomplètes, dans des environnements où l’incertitude est structurelle.

Les plateformes de données sportives agrègent des métriques de performance, des résultats historiques de matchs et des variables contextuelles — terrain, météo, composition d’équipe — pour produire des probabilités de résultat. La prolifération des technologies de suivi dans le sport professionnel a rendu cette approche encore plus granulaire : positions, vitesses, fréquences d’action sont désormais collectées en temps réel, offrant aux plateformes analytiques une matière première bien plus riche qu’auparavant.

Dans les marchés financiers, les systèmes de trading algorithmique appliquent la même logique à des séries historiques de cotations et à des indicateurs économiques pour estimer les mouvements de prix. L’environnement est différent, mais la structure du problème est identique. En logistique, les modèles prédictifs servent à anticiper les variations de demande, à optimiser les stocks et à réduire les délais, en exploitant des historiques de commandes et des données de flux.

Ce qui relie ces trois applications, c’est la conviction que les décisions prises sur la base d’estimations probabilistes explicites sont plus robustes que celles fondées sur l’intuition ou sur des règles fixes.

Mesurer ce qu’un modèle vaut vraiment

Savoir qu’un modèle produit des prévisions ne suffit pas. Encore faut-il pouvoir évaluer objectivement sa performance et communiquer honnêtement ses limites.

Les métriques standardisées remplissent ce rôle. La précision (precision) mesure la proportion de prévisions positives qui sont correctes. Le rappel (recall) évalue la capacité du modèle à détecter tous les cas positifs réels. L’aire sous la courbe ROC (AUC) offre une vision globale de la capacité discriminante du modèle sur l’ensemble des seuils possibles. Ces trois indicateurs permettent de comparer des modèles entre eux de façon objective, sans se fier à une seule métrique qui pourrait masquer des faiblesses structurelles.

Mais la performance mesurée sur des données passées ne garantit pas la pertinence sur des cas futurs. C’est ici qu’intervient la notion d’incertitude résiduelle : la part d’aléatoire qu’aucun modèle ne peut éliminer. Cette incertitude doit être communiquée explicitement aux utilisateurs. Masquer ce que le modèle ne sait pas est une erreur stratégique autant qu’éthique : à court terme, elle peut donner une impression de précision rassurante ; à long terme, elle érode la confiance des utilisateurs dès que les prévisions ne se concrétisent pas.

Transparence algorithmique : une exigence devenue avantage concurrentiel

Pendant longtemps, les plateformes ont pu traiter leurs modèles comme des boîtes noires. Ce temps est révolu. La demande de transparence algorithmique — expliquer comment un modèle produit ses prédictions — est devenue une exigence à la fois réglementaire et commerciale pour les plateformes qui exposent leurs sorties de modèle à des utilisateurs finaux.

Cette pression vient de deux directions. D’un côté, les cadres réglementaires imposent progressivement des obligations d’explicabilité aux systèmes automatisés qui affectent des décisions. De l’autre, les utilisateurs professionnels et grand public exigent de comprendre sur quoi repose une prévision avant de l’intégrer à leur propre raisonnement. Une plateforme qui documente sa méthodologie gagne en crédibilité ce qu’elle perd en mystère.

Les algorithmes d’apprentissage automatique complexifient ce défi. Capables de détecter des relations non linéaires dans de grands ensembles de données que les méthodes statistiques classiques ne captent pas facilement, ils produisent des modèles plus performants — mais aussi plus difficiles à expliquer. La formalisation de la méthodologie, loin d’être une contrainte accessoire, est devenue un argument de différenciation pour les plateformes qui cherchent à fidéliser des utilisateurs exigeants.

La rigueur méthodologique — collecte soignée des données, modélisation calibrée, communication honnête de l’incertitude et transparence sur les choix algorithmiques — définit désormais la crédibilité des plateformes numériques auprès de leurs utilisateurs, qu’ils soient professionnels ou grand public. Ce n’est pas une tendance passagère : c’est la condition de base d’une offre analytique durable.

Dernière mise à jour le 12 octobre 2026 par Francois Marsteau

RedArrow, société d’ingénierie en intelligence artificielle fondée en 2024 à Chavenay (Yvelines), développe des logiciels métier sur mesure pour les PME et ETI. L’IA y est intégrée au logiciel lui-même, pour faire gagner du temps à toute l’équipe plutôt qu’à quelques utilisateurs d’un assistant.

UNE IA QUI TRAVAILLE DANS LE LOGICIEL DE L’ENTREPRISE, PAS À CÔTÉ
RedArrow conçoit des logiciels métier sur mesure, adaptés à la façon de travailler de chaque entreprise. L’IA y est intégrée : elle lit les documents reçus, remplit les formulaires et signale les anomalies. Quand un collaborateur ouvre un dossier, le travail préparatoire est déjà fait.

DANS LES PME, L’IA RESTE SOUVENT UN ASSISTANT UTILISÉ À CÔTÉ DES OUTILS
Beaucoup de collaborateurs utilisent un assistant comme ChatGPT. Ils y copient un texte, puis recollent la réponse dans leurs outils. Le gain reste individuel et dépend de la personne qui maîtrise l’assistant. Intégrée au logiciel, l’IA profite à toute l’équipe.

UNE PREMIÈRE VERSION UTILISABLE EN QUELQUES SEMAINES, SANS CHANGER D’OUTILS
Chaque projet commence par un échange de trente minutes, qui repère les informations saisies plusieurs fois. Une première version est livrée en quelques semaines, puis enrichie étape par étape. Elle fonctionne avec les outils déjà en place, comme le logiciel de gestion ou le fichier clients. Le logiciel est documenté et les données sont stockées en Europe.

UN FONDATEUR QUI A DIRIGÉ UNE PME PENDANT PRÈS DE VINGT ANS
Benoit Charlier a fondé RedArrow en mai 2024. Il a auparavant dirigé pendant près de vingt ans Graphorizon, entreprise francilienne de signalétique et d’impression grand format, revendue en 2024. RedArrow a livré depuis une
dizaine de projets : logiciels métier, applications et sites web.

« Pendant vingt ans, j’ai acheté des logiciels qui ne collaient pas à notre façon de travailler. J’ai vu des pans entiers de l’entreprise reposer sur une seule personne. Une PME n’a pas besoin d’un assistant de plus. Elle a besoin d’un outil où le travail est déjà fait quand l’équipe arrive », explique Benoit Charlier, fondateur de RedArrow.

À PROPOS DE REDARROW
RedArrow est une société d’ingénierie en intelligence artificielle fondée en 2024 et basée à Chavenay (Yvelines). Elle conçoit pour les PME et ETI des logiciels métier sur mesure avec IA intégrée et des assistants IA, et
automatise les tâches répétitives. Elle accompagne ses clients sur site ou à distance. REDARROW, SARL, RCS Versailles 929 483 006. redarrow.fr

CONTACT PRESSE
Benoit Charlier, fondateur · contact@redarrow.fr · 01 85 40 01 77
Benoit Charlier est disponible pour une interview.
Portrait et logo sur demande.