MQL, SQL : la différence entre les deux leads, et quand passer la main aux ventes

La différence entre MQL et SQL tient à qui a validé le lead : le MQL (lead qualifié par le marketing) correspond à votre cible et a montré de l'intérêt, le SQL (lead qualifié par les ventes) a été vérifié par un commercial et attend un échange direct. Le MQL vient toujours en premier, et le passage du MQL au SQL marque le moment où le marketing passe la main aux ventes.

Cet article complète notre guide de la génération de leads B2B. Vous y trouverez des définitions nettes, les taux de conversion publiés, les critères à écrire avec votre équipe commerciale et les erreurs qui font attendre les bons leads.

MQL SQL : deux définitions à ne pas confondre

Le MQL, lead qualifié par le marketing

Un MQL est un contact que le marketing juge digne d'être suivi. HubSpot le décrit comme un contact qui a interagi avec des contenus marketing et montre un intérêt potentiel (HubSpot).

Concrètement, un lead devient MQL quand deux conditions sont réunies :

• L'adéquation : l'entreprise correspond à votre cible (taille, secteur, pays, outils utilisés).
• L'intérêt : la personne a fait quelque chose qui montre sa curiosité, comme lire plusieurs pages produit, télécharger un guide ou assister à un webinaire.

Un MQL n'a pas demandé à parler à un commercial. C'est le point essentiel. La plupart des MQL sont encore en phase de recherche, et beaucoup n'achèteront jamais.

Le SQL, lead qualifié par les ventes

Un SQL est un lead que les ventes ont examiné et accepté comme une vraie opportunité à travailler. Salesforce le définit comme un lead qui a exprimé assez d'intérêt pour entrer dans le processus de vente (Salesforce).

Ce qui transforme un MQL en SQL, ce n'est pas un clic de plus. Ce sont des informations que seul un échange direct apporte :

• le problème que l'acheteur veut résoudre ;
• l'échéance, même approximative ;
• les personnes impliquées dans la décision ;
• la capacité réelle de votre offre à répondre au besoin.

Notre article sur la qualification de leads entrants détaille ces critères et les méthodes (BANT, CHAMP, MEDDIC) qui les structurent.

Les différences entre MQL et SQL, point par point

Le plus simple est de regarder qui décide, sur quelle base, et ce qui se passe ensuite.

• Qui qualifie : le marketing qualifie le MQL, en général avec des règles ou un score. Les ventes qualifient le SQL, en général au cours d'un échange.
• Sur quelle base : le MQL repose sur le comportement et l'adéquation à la cible. Le SQL repose sur un besoin exprimé, une échéance et un processus de décision.
• Ce qu'a fait l'acheteur : le MQL a consulté des contenus. Le SQL a parlé à quelqu'un, ou demandé un rendez-vous.
• La suite : le MQL part en nurturing ou vers un premier contact. Le SQL obtient un rendez-vous, puis devient une opportunité dans votre pipeline.

Les étapes de cycle de vie par défaut de HubSpot montrent bien l'ordre : abonné, lead, lead qualifié par le marketing, lead qualifié par l'équipe commerciale, opportunité, client, promoteur (centre de connaissances HubSpot). Le MQL précède toujours le SQL.

Et le SAL ?

Beaucoup d'équipes ajoutent une étape intermédiaire : le SAL (sales accepted lead, ou lead accepté par les ventes). Le commercial examine chaque MQL et l'accepte, ou le refuse avec un motif. Cette petite étape a deux effets. Elle empêche les MQL de dormir dans une file d'attente, et elle donne au marketing une raison pour chaque refus, seul moyen fiable d'améliorer la définition du MQL.

Quel taux de conversion MQL vers SQL viser ?

Il n'existe pas de référence unique, car chaque entreprise place la frontière du MQL à un endroit différent. Un même cabinet d'études utilise parfois des définitions différentes d'un rapport à l'autre. Gardez-le en tête avant de comparer.

Sous cette réserve, voici des chiffres publiés :

• First Page Sage publie des taux de passage MQL vers SQL allant de 10 % (services juridiques, immobilier) à 26 % (assurance des entreprises, génie climatique), avec 13 % pour le SaaS B2B et pour les services informatiques (First Page Sage).
• Salesforce cite une étude Gartner selon laquelle seuls 21 % des MQL deviennent des SQL (Salesforce).

Lisez ces chiffres dans le bon sens. Un taux bas ne veut pas toujours dire que le marketing envoie de mauvais leads. Il peut aussi signifier que les ventes rappellent trop tard, ou que la règle du MQL récompense une activité sans lien avec l'achat, comme la lecture d'un article de blog.

La comparaison la plus utile reste votre propre taux, par canal, mois après mois. Si le taux d'un canal baisse, regardez ce qui a changé : la source, la règle ou le délai de rappel. Le traitement des leads entrants pèse lourd dans le passage aux ventes : mesurez en parallèle le délai entre le MQL et le premier contact. Et n'oubliez pas que la plupart des visiteurs ne deviennent jamais des leads : vous pouvez calculer ce que vous coûtent vos visiteurs perdus avant d'optimiser le bas de l'entonnoir.

Quand le marketing doit-il passer la main aux ventes ?

Transmettez le lead quand un commercial peut faire quelque chose d'utile que le marketing ne peut pas faire. En pratique, trois situations :

1. L'acheteur le demande. Une demande de démo, un rendez-vous réservé, ou une question comme « peut-on démarrer en janvier ? » relèvent de la vente. Ne les faites pas passer par le nurturing.
2. L'acheteur pose une question d'achat. Les questions sur le prix, la sécurité, les intégrations, le contrat ou le déploiement montrent qu'il évalue des solutions. Elles méritent une réponse de quelqu'un qui peut s'engager.
3. L'adéquation et l'échéance sont confirmées. L'entreprise correspond à votre cible et vous savez qu'elle veut agir dans les prochains mois.

L'activité seule ne justifie pas la transmission. Dix visites sur le blog d'un étudiant ne font pas un SQL. Une visite sur la page Tarifs suivie d'une question précise, souvent si.

C'est là qu'une conversation sur le site change la donne. Quand un visiteur peut poser sa question pendant sa visite, la frontière entre MQL et SQL se lit dans ce qu'il écrit, pas dans un score. C'est ce que fait l'agent Website de Nudge : il répond pendant la visite et propose un créneau dans la conversation quand le besoin est clair, sans attendre qu'une règle de scoring se déclenche.

Un exemple concret

Un visiteur d'une entreprise de transport de 200 salariés consulte deux fois votre page Tarifs dans la semaine. Dans un dispositif classique, son score franchit un seuil, il devient MQL, et un e-mail de nurturing part deux jours plus tard.

Avec une conversation sur la page, le même visiteur écrit : « Est-ce compatible avec notre outil de planification actuel, et peut-on le déployer sur trois sites avant mars ? » Cette seule question donne l'adéquation, le problème, l'échéance et le périmètre. C'est un SQL, sauf le nom. La bonne réponse consiste à proposer un rendez-vous tout de suite et à transmettre la question au commercial qui le prendra.

Comment définir MQL et SQL avec votre équipe commerciale

Des définitions qui n'existent que dans la tête du marketing alimentent le débat classique : « vos leads sont mauvais » contre « vous ne les rappelez jamais ». Écrivez-les ensemble, sur une seule page.

1. Listez d'abord vos critères d'exclusion. Étudiants, concurrents, candidats, pays que vous ne servez pas. Les exclure est plus simple que de noter tous les autres.
2. Définissez le MQL par l'adéquation plus un signal fort. Préférez quelques actions à forte intention (page Tarifs, page comparatif, question posée) à beaucoup d'actions faibles.
3. Définissez le SQL par ce que le commercial doit savoir avant un rendez-vous. En général le problème, l'échéance et le processus de décision. Rien de plus.
4. Ajoutez l'étape « accepté ou refusé ». Chaque MQL refusé reçoit un motif choisi dans une courte liste.
5. Fixez un délai de réponse. Par exemple : chaque nouveau SQL est contacté le jour ouvré même.
6. Faites le point chaque mois. Regardez les motifs de refus et le taux MQL vers SQL par canal, puis modifiez une règle à la fois.

La transmission elle-même, ce que le commercial reçoit et sous quelle forme, est traitée dans notre guide du pipeline commercial et du passage de relais.

Les erreurs fréquentes avec les MQL et les SQL

• Faire du volume de MQL un objectif. Une équipe marketing évaluée sur ce volume finira par baisser la barre. Suivez plutôt les SQL et les rendez-vous.
• Surévaluer la consultation de contenus. Télécharger un livre blanc relève de la recherche, pas de l'intention d'achat.
• Envoyer des leads chauds en nurturing. Quelqu'un qui a posé une question sur le prix n'a pas besoin d'une séquence de bienvenue.
• Perdre le contexte au moment de la transmission. Si le commercial appelle sans savoir ce que l'acheteur a demandé, celui-ci se répète, et le premier appel ressemble à un formulaire.
• Ne jamais boucler la boucle. Sans motifs de refus, le marketing ne peut pas améliorer sa définition.

Les acheteurs passent peu de temps avec les vendeurs. Selon Gartner, les acheteurs B2B ne consacrent qu'environ 17 % de leur temps d'achat à rencontrer des fournisseurs (destinationCRM, d'après Gartner, 2018). Chaque jour d'attente d'un SQL est pris sur cette courte fenêtre.

Comment Nudge gère le passage du MQL au SQL

Nudge n'ajoute pas d'étape de scoring entre vos visiteurs et vos commerciaux. L'agent Website répond aux visiteurs pendant leur visite, à partir de votre site et de vos documents, et chaque réponse cite la page d'où elle vient. Les questions posées révèlent le besoin, le contexte et l'échéance, c'est-à-dire l'essentiel de ce qu'exige la définition d'un SQL. Quand le besoin est clair, l'agent pose le rendez-vous dans la conversation, sans formulaire.

L'agent Handoff prépare ensuite le rendez-vous à la place du closer : ce que veut le prospect, ce qu'il a demandé et l'objection déjà posée sont dans le brief. Le commercial part des mots de l'acheteur. Pour voir comment il traiterait vos leads, posez la question à l'agent sur notre site.