Indicateurs synthétiques du climat des affaires

Data - INSEE

Author

François Geerolf

Info

source dataset Title .html .rData
insee CLIMAT-AFFAIRES Indicateurs synthétiques du climat des affaires 2025-10-10 2025-10-09

Données sur la macroéconomie en France

source dataset Title .html .rData
bdf CFT Comptes Financiers Trimestriels 2025-08-28 2025-03-09
insee CNA-2014-CONSO-SI Dépenses de consommation finale par secteur institutionnel 2025-10-10 2025-10-09
insee CNA-2014-CSI Comptes des secteurs institutionnels 2025-10-10 2025-10-09
insee CNA-2014-FBCF-BRANCHE Formation brute de capital fixe (FBCF) par branche 2025-10-10 2025-10-09
insee CNA-2014-FBCF-SI Formation brute de capital fixe (FBCF) par secteur institutionnel 2025-10-10 2025-10-09
insee CNA-2014-RDB Revenu et pouvoir d’achat des ménages 2025-10-10 2025-10-09
insee CNA-2020-CONSO-MEN Consommation des ménages 2025-10-10 2025-09-30
insee CNA-2020-PIB Produit intérieur brut (PIB) et ses composantes 2025-10-10 2025-05-28
insee CNT-2014-CB Comptes des branches 2025-10-10 2025-10-09
insee CNT-2014-CSI Comptes de secteurs institutionnels 2025-10-10 2025-10-09
insee CNT-2014-OPERATIONS Opérations sur biens et services 2025-10-10 2025-10-09
insee CNT-2014-PIB-EQB-RF Équilibre du produit intérieur brut 2025-10-10 2025-10-09
insee CONSO-MENAGES-2020 Consommation des ménages en biens 2025-10-10 2025-10-09
insee ICA-2015-IND-CONS Indices de chiffre d'affaires dans l'industrie et la construction 2025-10-10 2025-10-09
insee conso-mensuelle Consommation de biens, données mensuelles 2025-10-10 2023-07-04
insee t_1101 1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros) 2025-10-10 2022-01-02
insee t_1102 1.102 – Le produit intérieur brut et ses composantes en volume aux prix de l'année précédente chaînés (En milliards d'euros 2014) 2025-10-10 2020-10-30
insee t_1105 1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105 2025-10-10 2020-10-30

LAST_UPDATE

Code 
`CLIMAT-AFFAIRES` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
LAST_UPDATE Nobs
2025-09-19 1455

Last

TITLE_FR

Code 
`CLIMAT-AFFAIRES` %>%
  group_by(IDBANK, INDICATEUR, REF_AREA, TITLE_FR) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
IDBANK INDICATEUR REF_AREA TITLE_FR Nobs
001565530 CLIMAT_AFFAIRES FM Indicateur du climat des affaires - Tous secteurs - France métropolitaine 585
001565531 RETOURNEMENT FM Indicateur de retournement conjoncturel - Tous secteurs - France métropolitaine 453
001796629 EMPLOI FM Indicateur du climat de l'emploi - Tous secteurs - France metropolitaine 417

INDICATEUR

Code 
`CLIMAT-AFFAIRES` %>%
  left_join(INDICATEUR,  by = "INDICATEUR") %>%
  group_by(INDICATEUR, Indicateur) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
INDICATEUR Indicateur Nobs
CLIMAT_AFFAIRES Indicateur synthétique du climat des affaires 585
RETOURNEMENT Indicateur synthétique de retournement conjoncturel 453
EMPLOI Indicateur synthétique du climat de l'emploi 417

TIME_PERIOD

Code 
`CLIMAT-AFFAIRES` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  print_table_conditional()

indicateur de retournement

Tous

Code 
`CLIMAT-AFFAIRES` %>%
  filter(INDICATEUR == "RETOURNEMENT") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date %>%
  ggplot() + theme_minimal() + ylab("Indicateur de retournement conjoncturel") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Indicateur)) +
  scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.2),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = seq(10, 200, 5))

2006-

Code 
`CLIMAT-AFFAIRES` %>%
  filter(INDICATEUR == "RETOURNEMENT") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date %>%
  filter(date >+ as.Date("2006-01-01")) %>%
  ggplot() + theme_minimal() + ylab("Indicateur synthétique de retournement conjoncturel") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE)) +
  scale_x_date(breaks = seq(1920, 2025, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.2),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = seq(-1, 1, 0.1))

Indicateur synthétique du climat

Tous

Code 
`CLIMAT-AFFAIRES` %>%
  filter(INDICATEUR != "RETOURNEMENT") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date %>%
  ggplot() + theme_minimal() + ylab("Indicateur synthétique du climat") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Indicateur)) +
  scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 200, 5))

1995-

Code 
`CLIMAT-AFFAIRES` %>%
  filter(INDICATEUR != "RETOURNEMENT") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date %>%
  filter(date >= as.Date("1995-01-01")) %>%
  ggplot() + theme_minimal() + ylab("Indicateur synthétique du climat") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Indicateur)) +
  scale_x_date(breaks = seq(1920, 2025, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.25, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 200, 5)) + 
  geom_hline(yintercept = 100, linetype = "dashed")

2004-

Code 
`CLIMAT-AFFAIRES` %>%
  filter(INDICATEUR != "RETOURNEMENT") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date %>%
  filter(date >= as.Date("2005-01-01")) %>%
  mutate(OBS_VALUE = ifelse(year(date) == 2020 & month(date) %in% c(3, 4, 5, 6), NA, OBS_VALUE)) %>%
  ggplot() + theme_minimal() + ylab("Indicateur synthétique du climat\n hors Mars-Juin 2020") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Indicateur)) +
  scale_x_date(breaks = seq(1920, 2025, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.6, 0.15),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 200, 5)) + 
  geom_hline(yintercept = 100, linetype = "dashed") +
  geom_rect(data = data_frame(start = as.Date("2020-02-01"), 
                                end = as.Date("2020-07-01")), 
              aes(xmin = start, xmax = end, ymin = 0, ymax = +Inf), fill = viridis(4)[4], alpha = 0.2)

2017-

Code 
`CLIMAT-AFFAIRES` %>%
  filter(INDICATEUR != "RETOURNEMENT") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date %>%
  filter(date >= as.Date("2017-04-01")) %>%
  ggplot() + theme_minimal() + ylab("Indicateur synthétique du climat") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Indicateur)) +
  scale_x_date(breaks = seq(1920, 2025, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.25, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 200, 5)) + 
  geom_hline(yintercept = 100, linetype = "dashed")