Dépenses des administrations publiques

Données - INSEE

Auteur

François Geerolf

Info

Last observation: 2020

First observation: 1995

Number of observations: 114 400

Last data update: 24 jul 2026, 03:38. Last compile: 24 jul 2026, 05:27

Structure

Données sur la dette publique

source dataset Title .html .rData
gfd debt Debt 2021-08-22 2021-03-01
imf HPDD NA NA NA
insee CNA-2014-DETTE-APU Dette et déficit des administrations publiques au sens de Maastricht 2026-07-23 2026-07-22
insee COMPTES-ETAT Budget de l’État 2026-07-23 2026-07-23
insee DETTE-TRIM-APU-2020 Dette des administrations publiques au sens de Maastricht 2026-07-23 2026-07-22
insee T_3217 3.217 – Principaux impôts par catégorie (En milliards d'euros) 2026-07-23 2026-07-19
insee T_7301 7.301 – Compte des administrations publiques (S13) (En milliards d'euros) 2026-07-23 2025-10-24
insee t_compteapu_val Dépenses, recettes et besoin de financement des administrations publiques - valeurs aux prix courants 2026-07-23 2026-02-27

Last

Code 
`CNA-2014-DEP-APU` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  head(1) %>%
  print_table_conditional()
TIME_PERIOD Nobs
2020 4400

First

Code 
`CNA-2014-DEP-APU` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  tail(1) %>%
  print_table_conditional()
TIME_PERIOD Nobs
1995 4400

Education, Santé

Tous

Code 
`CNA-2014-DEP-APU` %>%
  filter(FONCTION %in% c("FON07", "FON09"),
         `SECT-INST` == "S13",
         INDICATEUR == "CNA_DEP_APU",
         TIME_PERIOD == "2019") %>%
  select_if(~ n_distinct(.) > 1) %>%
  
  
  select(Fonction, Operation, OBS_VALUE) %>%
  spread(Fonction, OBS_VALUE)
# # A tibble: 10 × 3
#    Operation                                    `07 - Santé` `09 - Enseignement`
#    <chr>                                               <dbl>               <dbl>
#  1 D1 - Rémunération des salariés                      53496               89479
#  2 D2951 - Impôt sur la production et le revenu         4447                1095
#  3 D3 - Subventions                                       41                3489
#  4 D4 - Revenus de la propriété                            0                   6
#  5 D6M                                                104695                6742
#  6 D7 - Autres transferts courants                      2323                4515
#  7 D9 - Transferts en capital                            476                 608
#  8 P2 - Consommation intermédiaire (emploi int…        22702               12613
#  9 P5K2 - Acquisition nette d'actifs non finan…         5837                9378
# 10 Total des dépenses des administrations publ…       194017              127926

OTE

Code 
`CNA-2014-DEP-APU` %>%
  filter(FONCTION %in% c("FON07", "FON09"),
         `SECT-INST` == "S13",
         INDICATEUR == "CNA_DEP_APU",
         OPERATION == "OTE") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(gdp, by = "date") %>%
  
  ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(gdp), color = Fonction)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_color_manual(values = viridis(4)[1:3]) +
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

D1

Code 
`CNA-2014-DEP-APU` %>%
  filter(FONCTION %in% c("FON07", "FON09"),
         `SECT-INST` == "S13",
         INDICATEUR == "CNA_DEP_APU",
         OPERATION == "D1") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(gdp, by = "date") %>%
  
  ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(gdp), color = Fonction)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.5),
                     labels = scales::percent_format(accuracy = 0.1))

P2 - Consommation intermédiaire (emploi intermédiaire)

Code 
`CNA-2014-DEP-APU` %>%
  filter(FONCTION %in% c("FON07", "FON09"),
         `SECT-INST` == "S13",
         INDICATEUR == "CNA_DEP_APU",
         OPERATION == "P2") %>%
  select_if(~ n_distinct(.) > 1) %>%
  year_to_date %>%
  left_join(gdp, by = "date") %>%
  
  ggplot(.) + theme_minimal() + ylab("Consommation (% du PIB)") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE/(gdp), color = Fonction)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.91)) +
  scale_x_date(breaks = seq(1950, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(0, 100, 0.1),
                     labels = scales::percent_format(accuracy = 0.1))