Social Selling.
Marketing

MQL ou SQL : quelle différence et comment qualifier ses leads ?

MQL ou SQL : quelle différence et comment qualifier ses leads ?

En B2B, un MQL (Marketing Qualified Lead) est un contact qui a manifesté un intérêt suffisant pour être suivi par le marketing, mais qui n’est pas encore prêt à être contacté par un commercial. Un SQL (Sales Qualified Lead) est un prospect que l’équipe commerciale a validé comme prêt pour un entretien de vente. La distinction entre ces deux statuts repose sur des critères comportementaux et déclaratifs mesurés par le lead scoring. Savoir faire la différence entre MQL et SQL permet d’éviter que vos commerciaux perdent du temps sur des prospects froids et d’aligner durablement marketing et sales autour d’objectifs partagés.

MQL vs SQL : les définitions clés

Équipe B2B qualifiant des leads sur un tableau blanc

Qu’est-ce qu’un MQL (Marketing Qualified Lead) ?

Un MQL est un contact qui a interagi avec vos contenus marketing de façon suffisamment nette pour mériter un suivi spécifique. Il a peut-être téléchargé un livre blanc, assisté à un webinaire, ouvert plusieurs de vos emails ou consulté régulièrement des pages clés de votre site. Il manifeste un intérêt réel, mais il reste en phase de découverte ou de comparaison : il n’est pas encore prêt à parler à un commercial.

Le marketing est propriétaire du MQL. Son rôle est de nourrir ce contact via du lead nurturing (séquences email, contenu, retargeting) jusqu’à ce qu’il atteigne le seuil de maturité suffisant pour être transmis aux ventes. Avant de qualifier les leads, il est indispensable d’avoir défini votre ICP (Ideal Customer Profile) afin de cibler les bons profils dès l’entrée de l’entonnoir.

Qu’est-ce qu’un SQL (Sales Qualified Lead) ?

Un SQL est un MQL qui a franchi le seuil de qualification : l’équipe commerciale l’a examiné et a confirmé qu’il correspond au profil cible et qu’il est prêt pour une conversation de vente. Concrètement, un SQL a souvent demandé une démo, consulté la page tarifaire ou rempli un formulaire de contact explicite. Les signaux d’achat sont clairs, le budget existe et le timing est compatible avec un cycle de vente.

Le commercial prend en charge le SQL pour engager un entretien de découverte, puis mener le cycle de vente jusqu’à la proposition commerciale. La vitesse de traitement d’un SQL est critique : contacter un SQL dans la première heure après sa qualification multiplie les chances de conversion par 7 selon les études Hubspot.

Différence MQL SQL : le critère de maturité d’achat

Niveau d’engagement et signaux comportementaux

La distinction fondamentale entre MQL et SQL tient à la maturité d’achat du contact. Un MQL est dans une phase de recherche d’information : il consomme du contenu éducatif, compare des solutions, identifie ses besoins. Un SQL a franchi un cap décisionnel : il évalue activement des fournisseurs, demande des références, s’intéresse aux conditions contractuelles.

Les signaux comportementaux qui font basculer un MQL en SQL incluent notamment la consultation répétée de la page tarifaire, la demande de démo ou d’essai gratuit, la participation à une session de questions-réponses, ou encore le contact direct via le formulaire de devis. Ce sont des signaux d’intention forts, qui indiquent que le prospect est entré en phase de décision.

Les autres statuts : SAL, PQL, OQL

Au-delà du MQL et du SQL, plusieurs autres statuts de leads coexistent dans les pipelines B2B modernes :

  • SAL (Sales Accepted Lead) : étape intermédiaire entre MQL et SQL. L’équipe commerciale accepte formellement le lead transmis par le marketing avant de le qualifier en SQL. Ce statut matérialise l’accord entre les deux équipes sur la validité du lead.
  • PQL (Product Qualified Lead) : propre aux éditeurs SaaS. Un PQL est un utilisateur ayant atteint un niveau d’usage suffisant du produit (fonctionnalité clé utilisée, limite d’un plan gratuit atteinte) pour être approché par les sales.
  • OQL (Outbound Qualified Lead) : lead généré proactivement par l’équipe commerciale (cold email, cold call, LinkedIn) et qualifié via un échange direct, sans passer par le funnel marketing.

Lead scoring : comment calculer le seuil MQL et SQL ?

Calculateur de score MQL

Attribuez un score à chaque signal comportemental de votre prospect (0 = aucun signal, 10 = signal fort).

Schéma lead scoring MQL vs SQL

Scoring comportemental vs scoring démographique

Le lead scoring est le mécanisme central qui permet de décider à quel moment un contact bascule de MQL à SQL. Il repose sur deux familles de critères :

  • Le scoring comportemental mesure les actions réalisées : pages visitées, contenus téléchargés, emails ouverts, clics, formulaires remplis, participation à des événements. Chaque action rapporte un certain nombre de points selon son degré d’intention.
  • Le scoring démographique (ou firmographique) évalue la concordance du profil avec votre ICP : secteur d’activité, taille d’entreprise, poste occupé, zone géographique, budget estimé. Un profil hors cible peut avoir un score comportemental élevé et rester un mauvais lead.

Le score global est la somme pondérée des deux. Un contact qui cumule un fort score comportemental ET un bon score démographique est prioritairement transmis aux ventes.

À retenir
61 % des entreprises B2B transmettent tous leurs leads aux commerciaux sans qualification préalable, et seuls 27 % de ces leads sont réellement prêts à acheter. Un lead scoring bien calibré peut réduire le temps commercial perdu de 40 % et doubler le taux de conversion pipeline.

Définir ses seuils MQL et SQL avec le BANT

Le framework BANT (Budget, Authority, Need, Timing) reste la référence pour qualifier un SQL en B2B. Il structure la conversation de qualification autour de quatre questions :

  • Budget : le prospect dispose-t-il d’un budget alloué ou en cours d’allocation ?
  • Authority : le contact est-il décideur ou prescripteur dans le processus d’achat ?
  • Need : le besoin est-il clairement identifié et documenté ?
  • Timing : le projet a-t-il un calendrier défini et compatible avec votre cycle de vente ?

Un contact qui valide les 4 critères BANT est un SQL fort. S’il n’en valide que 2 ou 3, il reste MQL et doit continuer à être nurturé jusqu’à maturation.

Le handover marketing-sales : passer du MQL au SQL sans friction

Handover MQL vers SQL entre équipes marketing et sales

SLA et règles de qualification communes

Le point de tension le plus fréquent en B2B n’est pas technique, c’est humain : le marketing estime que les leads sont bons, les ventes trouvent qu’ils ne sont pas qualifiés. La solution est le SLA (Service Level Agreement) entre les deux équipes.

Un SLA marketing-sales définit précisément : le score minimum pour qu’un MQL devienne SQL, le délai maximal pour qu’un commercial traite un SQL après sa transmission (généralement moins de 4 heures en B2B SaaS), la procédure si le SQL est rejeté par les ventes (feedback structuré, retour en nurturing ou disqualification), et la fréquence de révision des critères (trimestrielle recommandée).

Ce contrat formel entre marketing et sales est la base d’un pipeline sain. Sans SLA, les leads se perdent dans les angles morts et le ressentiment entre équipes s’installe.

Les outils pour gérer le pipeline MQL→SQL (HubSpot, Pipedrive, Marketo)

Plusieurs plateformes CRM et marketing automation permettent de gérer la transition MQL→SQL de façon automatisée :

  • HubSpot : l’outil le plus complet pour aligner marketing et sales. Il permet de configurer des règles de scoring, de déclencher automatiquement le passage de statut et de notifier le commercial en temps réel. Idéal pour les équipes de 5 à 50 personnes.
  • Marketo / Pardot : solutions enterprise pour les grandes organisations avec des volumes importants de leads. Scoring multicritère avancé, intégration Salesforce native.
  • Pipedrive : CRM orienté pipeline, plus simple mais efficace pour les équipes commerciales de petite taille qui veulent suivre leurs SQLs sans complexité excessive.

Quel que soit l’outil choisi, l’essentiel est que le commercial reçoive une notification immédiate dès qu’un lead passe en SQL, avec le contexte complet de ses interactions (pages consultées, contenus téléchargés, score).

Erreurs fréquentes et bonnes pratiques en qualification de leads

Envoyer trop tôt des leads non qualifiés aux commerciaux

C’est l’erreur numéro un. Transmettre un lead dès qu’il télécharge un premier contenu surcharge les commerciaux, détériore l’expérience prospect et biaise les métriques de conversion. Un prospect contacté trop tôt répond souvent « je fais juste de la veille » ou « rappel dans 6 mois », ce qui démotive l’équipe commerciale et crée un biais négatif envers les leads marketing.

La bonne pratique : définir un score MQL minimum avant tout transfert, et s’assurer que le lead a eu au moins un comportement d’intention forte (consultation tarifaire, demande de contenu avancé, inscription à un événement commercial) avant qu’un commercial le contacte.

Comment améliorer son taux de conversion MQL→SQL ?

Le taux de conversion MQL→SQL moyen en B2B SaaS se situe entre 20 et 30 %. Pour améliorer ce ratio, plusieurs leviers sont efficaces :

  • Affiner les critères ICP : un MQL issu d’une entreprise hors cible aura beau avoir un bon score comportemental, il ne convertira jamais en SQL. La qualité des leads entrants conditionne tout.
  • Améliorer le contenu de nurturing : des séquences email trop génériques n’activent pas le passage à l’acte. Personnalisez selon le secteur, le stade du funnel et les problématiques exprimées.
  • Réduire le délai de traitement SQL : chaque heure supplémentaire après la qualification réduit les chances de conversion. Automatisez les notifications et mettez en place des règles de prise en charge rapide.
  • Revoir les seuils de scoring : si votre taux de conversion MQL→SQL est inférieur à 15 %, vos seuils sont trop bas. Remontez le score minimum ou ajoutez des critères BANT avant le passage.
Partager LinkedIn X