Trois moments d'un même parcours
Les trois termes décrivent la même personne à des instants différents. Le lead vient de remplir un formulaire ou de télécharger un contenu : on sait qui il est, pas encore s'il achètera. Le MQL a franchi un seuil d'engagement — pages vues, emails ouverts, ressources consultées — qui le rend digne d'attention. Le SQL a passé le filtre commercial : budget, besoin, timing sont crédibles.
Ce qui fait passer un lead en MQL
Le basculement ne se décrète pas au feeling. Il repose sur un lead scoring qui combine le profil (poste, secteur, taille) et le comportement (visites, clics, formulaires). Au-dessus d'un score défini, le lead devient MQL et part vers les ventes. En dessous, il reste en nurturing jusqu'à maturité.
Du MQL au SQL : le passage de relais
Un MQL n'est pas un client acquis, juste un prospect que le marketing estime prêt. Les commerciaux le qualifient ensuite : le contexte est-il réel ? Si oui, il devient SQL et entre dans le pipeline. Sinon, il repart côté marketing. Ce va-et-vient n'a de sens que si les deux équipes ont signé la même définition de MQL et de SQL — sujet traité dans notre guide de cadrage MQL/SQL.
L'erreur qui coûte cher
Envoyer tous les leads aux commerciaux sature leur temps et brûle les bons dossiers dans la masse. À l'inverse, un seuil trop haut assèche le pipeline. Le bon réglage se cale sur les taux de conversion réels, pas sur une intuition figée une fois pour toutes. Un exemple parlant : l'entreprise qui déverse chaque téléchargement d'ebook dans le pipeline verra ses vendeurs relancer des curieux sans projet, se lasser, puis ignorer les MQL suivants — même les bons. À l'inverse, réserver le statut MQL aux seuls contacts qui demandent une démo prive les ventes de dossiers tièdes pourtant travaillables. Le seuil se teste, s'observe sur quelques semaines, puis s'ajuste.