Comptes de production et d’exploitation par branche

Données - INSEE

Auteur

François Geerolf

Info

Last observation: 2022

First observation: 1949

Number of observations: 115 847

Last data update: 24 jul 2026, 03:36. Last compile: 24 jul 2026, 05:27

Structure

Données sur la macroéconomie en France

source	dataset	Title	.html	.rData
bdf	CFT	Comptes Financiers Trimestriels	2026-07-23	2025-03-09
insee	CNA-2014-CONSO-SI	Dépenses de consommation finale par secteur institutionnel	2026-07-23	2026-07-23
insee	CNA-2014-CSI	Comptes des secteurs institutionnels	2026-07-23	2026-07-23
insee	CNA-2014-FBCF-BRANCHE	Formation brute de capital fixe (FBCF) par branche	2026-07-23	2026-07-23
insee	CNA-2014-FBCF-SI	Formation brute de capital fixe (FBCF) par secteur institutionnel	2026-07-23	2026-07-23
insee	CNA-2014-RDB	Revenu et pouvoir d’achat des ménages	2026-07-23	2026-07-23
insee	CNA-2020-CONSO-MEN	Consommation des ménages	2026-07-23	2026-07-23
insee	CNA-2020-PIB	Produit intérieur brut (PIB) et ses composantes	2026-07-23	2026-07-23
insee	CNT-2014-CB	Comptes des branches	2026-07-23	2026-07-23
insee	CNT-2014-CSI	Comptes de secteurs institutionnels	2026-07-23	2026-07-22
insee	CNT-2014-OPERATIONS	Opérations sur biens et services	2026-07-23	2026-07-23
insee	CNT-2014-PIB-EQB-RF	Équilibre du produit intérieur brut	2026-07-23	2026-07-23
insee	CONSO-MENAGES-2020	Consommation des ménages en biens	2026-07-23	2026-07-23
insee	ICA-2015-IND-CONS	Indices de chiffre d'affaires dans l'industrie et la construction	2026-07-23	2026-07-23
insee	conso-mensuelle	Consommation de biens, données mensuelles	2026-07-23	2023-07-04
insee	t_1101	1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros)	2026-07-23	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)	2026-07-23	2020-10-30
insee	t_1105	1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105	2026-07-23	2020-10-30

LAST_COMPILE

LAST_COMPILE
2026-07-24

Last

Code

`CNA-2014-CPEB` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  head(1) %>%
  print_table_conditional()

TIME_PERIOD	Nobs
2022	831

Excédent Brut d’Exploitation, Revenu Mixte Brut

Deux + Somme

Code

`CNA-2014-CPEB` %>%
  
  filter(CNA_ACTIVITE == "NNTOTAL",
         OPERATION %in% c("B3G", "B2G", "B2GEB3G")) %>%
  year_to_date() %>%
  select(date, OPERATION, Operation, OBS_VALUE, UNIT_MEASURE) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/1000, color = Operation)) + 
  theme_minimal() +  xlab("") + ylab("") +
  
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.35, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = seq(0, 2000, 100),
                     labels = dollar_format(suffix = " Mds€", prefix = "", accuracy = 1))

Deux

Code

`CNA-2014-CPEB` %>%
  
  filter(CNA_ACTIVITE == "NNTOTAL",
         OPERATION %in% c("B3G", "B2G")) %>%
  year_to_date() %>%
  select(date, OPERATION, Operation, OBS_VALUE, UNIT_MEASURE) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/1000, color = Operation)) + 
  theme_minimal() +  xlab("") + ylab("") +
  
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = seq(0, 2000, 100),
                     labels = dollar_format(suffix = " Mds€", prefix = "", accuracy = 1))

Rémunération des Salariés

Code

`CNA-2014-CPEB` %>%
  
  filter(CNA_ACTIVITE == "NNTOTAL",
         OPERATION %in% c("D1", "D11", "D12")) %>%
  year_to_date() %>%
  select(date, OPERATION, Operation, OBS_VALUE, UNIT_MEASURE) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/1000, color = Operation)) + 
  theme_minimal() +  xlab("") + ylab("") +
  
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.35, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = seq(0, 2000, 100),
                     labels = dollar_format(suffix = " Mds€", prefix = "", accuracy = 1))

Production

Code

`CNA-2014-CPEB` %>%
  
  filter(CNA_ACTIVITE == "NNTOTAL",
         OPERATION %in% c("P1", "P11", "P12"),
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS") %>%
  year_to_date() %>%
  select(date, OPERATION, Operation, OBS_VALUE, UNIT_MEASURE) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE/1000, color = Operation)) + 
  theme_minimal() +  xlab("") + ylab("") +
  
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.35, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = seq(0, 7000, 500),
                     labels = dollar_format(suffix = " Mds€", prefix = "", accuracy = 1))