Le deuxième volume d’Esquisses théologiques, Sponsa Verbi, soulève la question suivante : « Qui est l’Église ? » Dans l'essai consacré à ce thème, Balthasar va au cœur du mystère : l’Église est l’unité de ceux qui se rassemblent autour du oui prononcé par Marie (un oui immaculé et pour cela illimité et donc par grâce conforme au Christ) et qui, formés par ce oui, sont prêts à accepter que la volonté rédemptrice de Dieu se fasse en eux-mêmes et pour tous leurs frères.

Cet acte originaire est ce que l’on appelle « écouter la Parole ». Lorsque cet acte fondamental d’écoute (comme foi, amour, obéissance, fidélité à l’Époux) est réalisé, là se trouve l’Église spirituelle. Lorsque l’Église ne l’accomplit pas, elle devient elle aussi « La Prostituée Jérusalem » (« Casta Meretrix »). La réception de la Parole par l’homme tout entier, corps et âme, exige l’unité de la parole et du sacrement (« Regarder, croire, manger »). Les aspects institutionnels de l’Église existent en vue de cet acte et reçoivent de lui leur forme et leur sens (« Se mettre à la suite du Christ et ministère » ; « Existence sacerdotale »).

En repartant de la spiritualité ecclésiale mariale, qui ne fait qu’un avec la foi qui aime et espère, le regard peut (et même doit) voir comment cette plénitude se déploie et se ramifie dans toute une infinité de « charismes », « missions » ou « spiritualités ». Et face à une partie de la tradition qui affirme que « Charis et charisma » (la grâce sanctifiante et la mission de sanctification) peuvent être séparées, il est essentiel de montrer leur unité indissoluble. Le fait que cette unité se réalise dans une nouvelle forme de vie consacrée, et la manière dont elle se réalise, est au centre de l’essai « Pour une théologie des Instituts séculiers ».