MQL vs SQL : différence et passage de relais
MQL vs SQL : la différence entre ces deux niveaux de qualification, les critères de passage et comment fluidifier le relais entre marketing et commerciaux.
Sommaire
Un commercial reçoit vingt leads « qualifiés » dans la semaine et n'en convertit aucun. Le marketing, de son côté, a l'impression d'envoyer du bon trafic dans un pipeline qui ne le traite jamais. Dans neuf cas sur dix, le problème n'est ni le contenu marketing ni le discours commercial : c'est l'absence de frontière claire entre MQL et SQL, et un passage de relais qui se fait sans règle écrite.
Ce guide définit MQL et SQL, explique concrètement où se situe la frontière entre les deux, et donne une méthode pour organiser ce passage de relais sans qu'il devienne un point de friction permanent entre les équipes.
MQL vs SQL : quelle est la différence ?
Un MQL (Marketing Qualified Lead) est un lead que le marketing juge intéressant d'après son comportement (téléchargement, inscription, visites répétées) ou son profil déclaré — mais qu'aucun commercial n'a encore vérifié. Un SQL (Sales Qualified Lead) est un MQL qu'un commercial a validé manuellement : besoin confirmé, budget plausible, bon interlocuteur. La différence tient donc à qui a vérifié le lead, et sur quels critères.
MQL : définition et exemples concrets
Le MQL se construit sur des signaux que le marketing peut observer sans jamais parler au contact. Deux familles de critères s'y combinent généralement :
- Le comportement : téléchargement d'un livre blanc, participation à un webinaire, visite répétée des pages tarifs, ouverture d'une séquence d'emails.
- Le profil déclaré : poste occupé, taille d'entreprise, secteur, indiqués dans un formulaire ou déduits d'un enrichissement automatique de la fiche.
Exemple concret : un « Head of Sales » d'une entreprise de 80 salariés qui télécharge un guide sur l'automatisation commerciale et revient trois fois sur la page tarifs dans la semaine coche les deux familles de critères — c'est un MQL solide. À l'inverse, un stagiaire qui télécharge le même guide par curiosité coche la case comportementale mais pas la case profil : un score MQL bien construit doit le filtrer, ou au moins le noter plus bas.
Le MQL reste une hypothèse, pas une certitude. C'est précisément pour ça qu'il ne doit jamais atterrir directement dans l'agenda d'un commercial sans étape intermédiaire.
SQL : définition et exemples concrets
Le SQL, lui, a été soumis à une vérification humaine — généralement par un SDR (sales development representative) ou un commercial junior, via un appel de qualification ou un échange par email. Les critères classiques utilisés à ce stade reprennent le cadre BANT :
| Critère | Ce qu'on vérifie |
|---|---|
| Besoin | Le problème exprimé correspond-il vraiment à ce que vous résolvez ? |
| Budget | L'entreprise a-t-elle les moyens engagés sur ce type de dépense ? |
| Autorité | Parle-t-on à quelqu'un qui décide ou influence la décision ? |
| Timing | Existe-t-il un horizon d'achat identifiable ? |
Un MQL devient SQL quand ces quatre points sont raisonnablement confirmés — pas nécessairement à 100 %, mais suffisamment pour justifier le temps d'un commercial senior. Un SQL est ensuite transmis à l'équipe en charge de la vente proprement dite (account executive), qui prend le relais sur la démonstration et la négociation.
Comment organiser le passage de relais MQL → SQL
Le point de friction n'est presque jamais la définition elle-même : c'est l'absence de processus formel pour passer de l'une à l'autre. Quatre éléments suffisent pour le fluidifier.
1. Un score et un seuil écrits, partagés par les deux équipes. Si le marketing et les ventes ne se sont jamais mis d'accord sur ce qui constitue un MQL « bon pour transmission », chaque commercial applique son propre filtre — impossible à mesurer ou à améliorer. La définition doit tenir sur une page, pas dans la tête d'une seule personne.
2. Des fiches complètes avant transmission. Un formulaire ne renvoie souvent qu'un nom et un email. Si le SDR doit chercher lui-même le secteur, l'effectif ou le bon interlocuteur avant même de pouvoir qualifier, le relais ralentit dès la première étape. Compléter automatiquement ces champs via un enrichissement CRM en temps réel évite cet aller-retour et permet au SDR de partir directement sur la qualification, pas sur la recherche d'information.
3. Un SLA de délai de traitement. Un MQL contacté dans l'heure convertit nettement mieux qu'un MQL contacté trois jours plus tard — l'intérêt retombe vite. Fixer un délai maximum (par exemple 24h ouvrées) et le suivre évite que les MQL s'accumulent dans une file sans propriétaire clair.
4. Un chemin de retour, pas seulement un chemin aller. Un lead jugé SQL prématurément doit pouvoir repartir en nurturing marketing sans que ce soit vécu comme un échec côté commercial ni comme une perte côté marketing. Sans ce chemin de retour, les commerciaux finissent par ignorer les MQL douteux plutôt que de les requalifier, et le taux de MQL-to-SQL s'effondre silencieusement.
Ce fonctionnement rejoint directement la logique d'un entonnoir de prospection bien construit : chaque étape doit avoir un critère de sortie explicite, sinon les leads s'accumulent sans jamais avancer.
Erreurs courantes dans le passage MQL → SQL
- Transmettre sur le volume, pas sur la qualité. Envoyer tous les MQL sans filtre sature les SDR et dégrade leur taux de conversion — mieux vaut un flux plus restreint mais mieux qualifié.
- Ne jamais mesurer le taux de conversion MQL → SQL. Sans ce chiffre, impossible de savoir si le score marketing est trop large, trop strict, ou simplement mal calibré.
- Qualifier sur des données périmées. Un score basé sur un effectif ou un poste erroné fausse tout le tri en amont — d'où l'intérêt de fiches à jour avant la notation, pas après.
- Laisser le SDR et le marketing travailler sur deux définitions différentes. Si les deux équipes n'ont pas la même grille, chaque désaccord sur un lead redevient un débat au lieu d'être tranché par la règle.
FAQ : MQL vs SQL
Est-ce qu'un lead peut passer directement de visiteur à SQL sans étape MQL ?
Oui, dans certains cas — une demande de démo spontanée depuis la page tarifs, par exemple, indique déjà une intention d'achat suffisante pour sauter l'étape MQL et aller directement en qualification commerciale.
Qui décide qu'un MQL devient SQL ?
Généralement un SDR ou un commercial junior, via un premier échange (appel ou email) qui vérifie les critères de type BANT. La bascule n'est jamais automatique : elle suppose toujours une validation humaine, même rapide.
Quel est un bon taux de conversion MQL vers SQL ?
Il n'existe pas de repère universel valable pour tous les secteurs et cycles de vente — le chiffre dépend trop du marché, du produit et de la définition retenue pour le MQL. L'indicateur utile n'est pas la valeur absolue, mais son évolution dans le temps : un taux qui baisse signale presque toujours un score MQL trop large ou des fiches insuffisamment qualifiées en amont.
Pour aller plus loin
Le passage MQL → SQL tient rarement à un problème de méthode : il tient à la qualité des données disponibles au moment de la décision. Enrich-CRM complète automatiquement secteur, effectif et poste dès l'entrée d'un lead, pour que la qualification commence sur des faits plutôt que sur des champs vides. Créez un compte gratuit (100 crédits par mois, sans carte bancaire) pour tester l'enrichissement sur vos propres leads entrants.