Après une levée de fonds de 100 millions de dollars, Primer veut accélérer dans l’intelligence artificielle appliquée aux paiements. Son pari : les agents IA auront besoin d’une donnée paiement centralisée, contextualisée et exploitable pour devenir réellement utiles aux marchands.

Primer veut faire de l’intelligence artificielle un nouveau levier d’optimisation des paiements. Fondée en 2020, la fintech franco-britannique vient de lever 100 millions de dollars en série C pour accélérer le développement de ses outils IA et se positionner sur l’émergence du commerce agentique.

Pour Gabriel Le Roux, cofondateur et dirigeant de Primer, cette évolution ne constitue pas un virage, mais une continuité. Depuis sa création, l’entreprise s’est construite autour d’une idée simple : permettre aux marchands de centraliser leurs flux, leurs prestataires et leurs données de paiement dans une infrastructure unique. Un positionnement qui prend une nouvelle dimension à mesure que les agents IA commencent à entrer dans les opérations financières.

Primer s’est d’abord fait connaître comme une plateforme d’orchestration des paiements. Mais Gabriel Le Roux préfère décrire l’entreprise comme une infrastructure ouverte, capable d’unifier plusieurs briques de la chaîne de valeur : acceptation, fraude, opérations financières, reporting, change ou encore optimisation des prestataires.

L’idée est née lorsqu’il travaillait chez PayPal. “De nombreux marchands exprimaient les mêmes besoins”, explique Gabriel Le Roux. “Ils voulaient se développer à l’international, travailler avec plusieurs prestataires, sélectionner les meilleurs outils de lutte contre la fraude, optimiser les paiements ou encore améliorer certains maillons de leur chaîne de valeur. Tous ces besoins formaient en réalité une véritable roadmap paiement.”

Primer s’est donc construit comme une couche d’infrastructure permettant aux marchands de connecter librement les services dont ils ont besoin, sans rester enfermés dans un seul prestataire. Plus de cinq ans après sa création, la fintech accompagne désormais plus d’une centaine de marchands internationaux dans plus de 30 pays, notamment dans le retail, le voyage, la billetterie et les services financiers. Parmi ses clients figurent Maisons du Monde et Conforama.

Cette approche prend une importance particulière avec l’essor de l’IA. Car pour qu’un agent soit utile dans le paiement, il ne suffit pas qu’il sache répondre à une question. Il doit comprendre le contexte complet d’une transaction, les règles du marchand, ses prestataires, ses performances, ses coûts, ses taux d’autorisation, ses risques de fraude et ses arbitrages opérationnels.

“La centralisation des données est au cœur de notre modèle”, rappelle Gabriel Le Roux. “Nous avons une vision globale du paiement et de toute sa chaîne de valeur.”

Le paiement est un domaine particulièrement riche en données, mais aussi très fragmenté. Un marchand peut utiliser plusieurs PSP, plusieurs solutions de fraude, différents moyens de paiement, plusieurs banques acquéreuses et des outils internes de reporting ou de réconciliation. Dans ce contexte, les données existent, mais elles sont souvent dispersées.

C’est précisément ce problème que Primer estime pouvoir adresser. En centralisant les flux, la plateforme récupère une grande quantité d’informations sur chaque transaction. “Lorsqu’un paiement passe chez nous, nous récupérons environ 400 points de données”, explique Gabriel Le Roux.

Ces données peuvent concerner le moyen de paiement utilisé, le pays, la devise, le prestataire mobilisé, le résultat de l’autorisation, les règles appliquées, les erreurs rencontrées ou encore les signaux liés à la fraude. Isolées, ces informations restent difficiles à exploiter. Agrégées et contextualisées, elles peuvent devenir un terrain d’analyse pour des agents IA capables d’identifier des anomalies, de formuler des recommandations ou de suggérer des optimisations.

C’est l’enjeu de Companion, l’agent IA lancé par Primer en novembre 2025. L’outil permet déjà aux marchands d’interroger leurs données de paiement, d’analyser leur stack, d’identifier certains signaux faibles et de mieux comprendre leurs performances.

“Nous avons observé une forte adoption dès le départ”, se félicite Gabriel Le Roux. “Nous avions déjà une compréhension très fine des paiements individuels ainsi qu’une vision globale de nos marchands. C’est là que l’utilisation des agents devient particulièrement intéressante et puissante. Un agent peut comprendre l’ensemble de la chaîne de valeur du paiement du marchand, plutôt que seulement une petite partie de son environnement.”

Aujourd’hui, Companion sert principalement d’outil d’analyse et de recommandation. Il peut aider un marchand à comprendre l’évolution de ses taux d’autorisation, à repérer une anomalie sur un prestataire, à comparer certaines performances ou à identifier des pistes d’amélioration dans son architecture de paiement.

Mais Primer veut aller plus loin. La prochaine étape consiste à permettre à l’agent d’agir dans un cadre défini par le marchand. Il ne s’agirait plus seulement de produire un diagnostic, mais de lancer certaines expérimentations, de tester des règles ou d’ajuster l’utilisation de certains services.

“L’étape suivante sera que l’agent puisse, dans un cadre défini par le marchand, prendre des décisions, lancer des expérimentations et agir directement sur certains flux”, explique Gabriel Le Roux. “Nous allons permettre à nos clients de prendre l’habitude d’utiliser l’agent pour réaliser des analyses très poussées. Nous allons aussi permettre à l’agent de pousser lui-même certaines analyses vers l’utilisateur.”

Deux usages pourraient alors coexister. D’un côté, les équipes paiement ou finance pourraient interroger directement l’agent pour obtenir une analyse précise. De l’autre, l’agent pourrait détecter de lui-même certains signaux et alerter les équipes lorsqu’une opportunité ou une anomalie apparaît.

Ce passage de l’analyse à l’action reste toutefois sensible. Dans le paiement, une mauvaise décision peut avoir un impact direct sur la conversion, la fraude, les coûts ou l’expérience client. L’autonomie des agents devra donc être encadrée par des règles précises, des seuils de risque et des paramètres définis par chaque marchand.

“Ce que nous observons, c’est que les clients commencent par comprendre les recommandations et les analyses, puis veulent savoir comment optimiser concrètement ces éléments”, résume Gabriel Le Roux.

La levée de fonds de Primer intervient dans un contexte où le commerce agentique suscite beaucoup d’intérêt. L’idée est que des agents IA puissent demain accompagner, recommander, comparer, acheter ou déclencher certaines transactions pour le compte d’un utilisateur ou d’une entreprise.

Mais pour Primer, l’enjeu ne se limite pas au paiement déclenché par un agent. Il concerne aussi toute l’infrastructure nécessaire pour rendre ces nouveaux usages fiables, contrôlables et efficaces. Les agents auront besoin d’accéder à des données propres, structurées et contextualisées. Ils devront aussi être capables d’interagir avec des systèmes de paiement complexes, sans créer de risque opérationnel ou réglementaire supplémentaire.

Gabriel Le Roux estime que le paiement autonome par des agents finira par s’imposer. Mais il observe que les entreprises privilégient encore des usages très encadrés. Certains marchands pourraient, par exemple, autoriser les agents à accéder uniquement à une partie de leur inventaire, à certains parcours ou à certaines fonctions, selon des règles définies en amont.

“Nous sommes encore dans une phase de découverte sur plusieurs sujets”, conclut-il.

Pour Primer, cette phase de transition représente une opportunité. Si les agents IA deviennent une nouvelle interface entre les marchands, les consommateurs et les infrastructures financières, la valeur se déplacera vers les acteurs capables de leur fournir une vision fiable et exploitable du paiement. Autrement dit, vers ceux qui détiennent non seulement les connexions techniques, mais aussi le contexte nécessaire pour décider.