Équilibre ressources-emplois (ERE)

Données - INSEE

Auteur

François Geerolf

Info

Last observation: Annuelle: 2025 (N = 655)

First observation: Annuelle: 1949 (N = 937)

Number of observations: 170 489

Last data update: 15 aoû 2026, 00:15. Last compile: 15 aoû 2026, 03:06

Structure

Données sur la macroéconomie en France

source	dataset	Title	Updated
bdf	CFT	Comptes Financiers Trimestriels	2026-08-10
insee	CNA-2014-CONSO-SI	Dépenses de consommation finale par secteur institutionnel	2026-08-13
insee	CNA-2014-CSI	Comptes des secteurs institutionnels	2026-08-13
insee	CNA-2014-FBCF-BRANCHE	Formation brute de capital fixe (FBCF) par branche	2026-08-13
insee	CNA-2014-FBCF-SI	Formation brute de capital fixe (FBCF) par secteur institutionnel	2026-08-13
insee	CNA-2014-RDB	Revenu et pouvoir d’achat des ménages	2026-08-13
insee	CNA-2020-CONSO-MEN	Consommation des ménages	2026-08-13
insee	CNA-2020-PIB	Produit intérieur brut (PIB) et ses composantes	2026-08-13
insee	CNT-2014-CB	Comptes des branches	2026-08-13
insee	CNT-2014-CSI	Comptes de secteurs institutionnels	2026-08-13
insee	CNT-2014-OPERATIONS	Opérations sur biens et services	2026-08-13
insee	CNT-2014-PIB-EQB-RF	Équilibre du produit intérieur brut	2026-08-13
insee	CONSO-MENAGES-2020	Consommation des ménages en biens	2026-08-13
insee	ICA-2015-IND-CONS	Indices de chiffre d'affaires dans l'industrie et la construction	2026-08-13
insee	conso-mensuelle	Consommation de biens, données mensuelles	2026-08-02
insee	t_1101	1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros)	2026-08-02
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)	2026-08-02
insee	t_1105	1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105	2026-08-02

LAST_COMPILE

LAST_COMPILE
2026-08-15

Table en 2019

NNTOTAL - Ensemble des produits

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "NNTOTAL",
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS",
         TIME_PERIOD == "2019") |>
  select(OPERATION, OPERATION, OBS_VALUE) |>
  arrange(-OBS_VALUE) |>
  print_table_conditional()

OPERATION	OBS_VALUE
P1	4351549
ERETEF	3247955
P2	2200859
P3	1887996
P7	815748
P6	799942
P71	591919
P61	552218
P51G	545206
D21	294267
D21N	281517
P62	247724
P72	223829
D211	174424
P52	14008
P53	804
D31	-12750

A5-BE - Industrie manufacturière, industries extractives et autres

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "A5-BE",
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS",
         TIME_PERIOD == "2019") |>
  select(OPERATION, OPERATION, OBS_VALUE) |>
  arrange(-OBS_VALUE) |>
  print_table_conditional()

OPERATION	OBS_VALUE
P1	1032033
P2	932060
P7	592159
P71	592159
P6	536079
P61	536079
P51G	123999
P52	9670

A5-GU - Services principalement marchands

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "A5-GU",
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS",
         TIME_PERIOD == "2019") |>
  select(OPERATION, OPERATION, OBS_VALUE) |>
  arrange(-OBS_VALUE) |>
  print_table_conditional()

OPERATION	OBS_VALUE
P1	2310513
P2	1083368
P62	187688
P6	187688
P72	173187
P7	173187
P51G	170097
P52	649

P1, P2, P3

Value

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "NNTOTAL",
         OPERATION %in% c("P1", "P2", "P3"),
         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, 2020, 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))

% of GDP

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "NNTOTAL",
         OPERATION %in% c("P1", "P2", "P3"),
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS") |>
  year_to_date() |>
  select(date, OPERATION, OPERATION, OBS_VALUE, UNIT_MEASURE) |>
  left_join(gdp, by = "date") |>
  mutate(OBS_VALUE = OBS_VALUE/gdp) |>
  ggplot() + theme_minimal() +  xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = OPERATION, linetype = OPERATION)) + 
  
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2020, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(0, 400, 20),
                     labels = percent_format(a = 1))

P6, P7

Value

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "NNTOTAL",
         OPERATION %in% c("P6", "P7"),
         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, 2020, 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, 100),
                     labels = dollar_format(suffix = " Mds€", prefix = "", accuracy = 1))

% of GDP

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "NNTOTAL",
         OPERATION %in% c("P6", "P7"),
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS") |>
  year_to_date() |>
  select(date, OPERATION, OPERATION, OBS_VALUE, UNIT_MEASURE) |>
  left_join(gdp, by = "date") |>
  mutate(OBS_VALUE = OBS_VALUE/gdp) |>
  ggplot() + theme_minimal() +  xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = OPERATION)) + 
  
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2020, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(0, 400, 2),
                     labels = percent_format(a = 1))

P61, P71, P62, P72

Value

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "NNTOTAL",
         OPERATION %in% c("P61", "P71", "P62", "P72"),
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS") |>
  year_to_date() |>
  select(date, OPERATION, OPERATION, OBS_VALUE, UNIT_MEASURE) |>
  ggplot() + theme_minimal() +  xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE/1000, color = OPERATION, linetype = OPERATION)) + 
  scale_color_manual(values = viridis(3)[c(1, 2, 1, 2)]) +
  scale_linetype_manual(values = c("dashed","dashed",  "solid", "solid")) +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2020, 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, 100),
                     labels = dollar_format(suffix = " Mds€", prefix = "", accuracy = 1))

% of GDP

Code

`CNA-2020-ERE` |>
  
  filter(CNA_PRODUIT == "NNTOTAL",
         OPERATION %in% c("P61", "P71", "P62", "P72"),
         NATURE == "VALEUR_ABSOLUE",
         UNIT_MEASURE == "EUROS_COURANTS") |>
  year_to_date() |>
  select(date, OPERATION, OPERATION, OBS_VALUE, UNIT_MEASURE) |>
  left_join(gdp, by = "date") |>
  mutate(OBS_VALUE = OBS_VALUE/gdp) |>
  ggplot() + theme_minimal() +  xlab("") + ylab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = OPERATION, linetype = OPERATION)) + 
  scale_color_manual(values = viridis(3)[c(1, 2, 1, 2)]) +
  scale_linetype_manual(values = c("dashed","dashed",  "solid", "solid")) +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2020, 5), "-01-01")),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.25, 0.9),
        legend.title = element_blank()) +
  scale_y_continuous(breaks = 0.01*seq(0, 100, 2),
                     labels = percent_format(a = 1))