Indices des loyers d’habitation (ILH)

Data - INSEE

Auteur

François Geerolf

SECTEURS_LOYERS

Code 
INDICES_LOYERS %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  group_by(SECTEURS_LOYERS, Secteurs_loyers) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) print_table(.) else .}
SECTEURS_LOYERS Secteurs_loyers Nobs
TOUS_SECTEURS Tous secteurs 1821
SECTEUR_SOCIAL Secteur social 1751
SECTEUR_LIBRE Secteur libre 1742

NATURE

Code 
INDICES_LOYERS %>%
  left_join(NATURE, by = "NATURE") %>%
  group_by(NATURE, Nature) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) print_table(.) else .}
NATURE Nature Nobs
INDICE Indice 1795
GLISSEMENT_TRIMESTRIEL Glissement trimestriel 1785
GLISSEMENT_ANNUEL Glissement annuel 1734

REF_AREA

Code 
INDICES_LOYERS %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  group_by(REF_AREA, Ref_area) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) print_table(.) else .}
REF_AREA Ref_area Nobs
FM France métropolitaine 1392
AGGLO_PARIS Agglomération parisienne 1296
PR Reste de la France métropolitaine 1296
D971 Guadeloupe 531
D972 Martinique 240
D974 La Réunion 240
FR-D976 France (hors Mayotte) 240
D973 Guyane 79

OBS_STATUS

Code 
INDICES_LOYERS %>%
  left_join(OBS_STATUS, by = "OBS_STATUS") %>%
  group_by(OBS_STATUS, Obs_status) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) print_table(.) else .}
OBS_STATUS Obs_status Nobs
A Valeur normale 4954
U Valeur atypique 360

TITLE_FR

Code 
INDICES_LOYERS %>%
  group_by(IDBANK, TITLE_FR) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  {if (is_html_output()) datatable(., filter = 'top', rownames = F) else .}

Par Type

Tous Secteurs

Tous

Code 
INDICES_LOYERS %>%
  filter(SECTEURS_LOYERS == "TOUS_SECTEURS",
         NATURE == "INDICE",
         REF_AREA %in% c("FM", "AGGLO_PARIS", "PR")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Secteur libre

Tous

Code 
INDICES_LOYERS %>%
  filter(SECTEURS_LOYERS == "SECTEUR_LIBRE",
         NATURE == "INDICE",
         REF_AREA %in% c("FM", "AGGLO_PARIS", "PR")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

2017-

Sans IRL

Code 
INDICES_LOYERS %>%
  filter(SECTEURS_LOYERS == "SECTEUR_LIBRE",
         NATURE == "INDICE",
         REF_AREA %in% c("FM", "AGGLO_PARIS", "PR")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  arrange(desc(date)) %>%
  filter(date >= as.Date("2017-01-01")) %>%
  group_by(Ref_area) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  mutate(Ref_area = paste0("ILH - ", Ref_area)) %>%
  ggplot() + ylab("Indice des loyers d'habitation (janvier 2017 = 100)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.3, 0.8),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 1),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = Ref_area, label = round(OBS_VALUE, 1)),
             show.legend = F)

Avec IRL

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("001515333", "010600351","010600352", "010600353")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01")) %>%
  group_by(IDBANK) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  mutate(Ref_area = ifelse(IDBANK %in% c("010600351","010600352", "010600353"), paste0("Indice des loyers d'habitation (ILH) - ", Ref_area), "Indice de référence des Loyers (IRL)")) %>%
  ggplot() + ylab("Indice des loyers (janvier 2017 = 100)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.8),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 1),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = Ref_area, label = round(OBS_VALUE, 1)),
             show.legend = F)

2001-2025

Insee vs. OLAP

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("010600352")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2001-01-01"),
         date <= as.Date("2025-01-01"),
         month(date) == 1) %>%
  select(date, OBS_VALUE) %>%
  mutate(variable = "INSEE") %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100* OBS_VALUE/OBS_VALUE[1]) %>%
  
  bind_rows(loyers_agglo_paris %>%
              mutate(OBS_VALUE = 100*cumprod(1+value/100),
                      year = year+1) %>%
              add_row(year = 2001, OBS_VALUE = 100) %>%
              mutate(date = paste0(year, "-01-01") %>% as.Date) %>%
              mutate(variable = "OLAP")) %>%
  bind_rows(`IPCH-IPC-2015-ensemble-Q` %>%
              mutate(date = as.Date(date)) %>%
              rename(variable = INDICATEUR) %>%
              group_by(variable) %>%
              filter(date >= as.Date("2001-01-01"),
                     date <= as.Date("2025-01-01")) %>%
              arrange(date) %>%
              mutate(OBS_VALUE = 100* OBS_VALUE/OBS_VALUE[1])) %>%
  mutate(variable = factor(variable,
                           levels = c("OLAP",
                                      "IPCH",
                                      "INSEE",
                                      "IPC"),
                           labels = c("Indice des Loyers de l'Agglomération Parisienne. Source: OLAP",
                                      "Indice des Prix à la Consommation Harmonisé (IPCH) - Eurostat",
                                      "Indice des Loyers de l'Agglomération Parisienne. Source: INSEE",
                                      "Indice des Prix à la Consommation (IPC) - Insee"))) %>%
  ggplot() + ylab("Janvier 2001 = 100") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.9),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 5),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = variable, label = round(OBS_VALUE, 1)),
             show.legend = F)

Insee vs. OLAP

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("010600352")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01"),
         date <= as.Date("2025-01-01"),
         month(date) == 1) %>%
  select(date, OBS_VALUE) %>%
  mutate(variable = "INSEE") %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100* OBS_VALUE/OBS_VALUE[1]) %>%
  
  bind_rows(loyers_agglo_paris %>%
              filter(year >=2017) %>%
              mutate(OBS_VALUE = 100*cumprod(1+value/100),
                      year = year+1) %>%
              add_row(year = 2017, OBS_VALUE = 100) %>%
              mutate(date = paste0(year, "-01-01") %>% as.Date) %>%
              mutate(variable = "OLAP")) %>%
  mutate(variable = factor(variable,
                           levels = c("OLAP",
                                      "INSEE"),
                           labels = c("Indice des Loyers de l'Agglomération Parisienne. Source: OLAP",
                                      "Indice des Loyers de l'Agglomération Parisienne. Source: INSEE"))) %>%
  ggplot() + ylab("Indice des loyers (janvier 2017 = 100)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.9),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 2),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = variable, label = round(OBS_VALUE, 1)),
             show.legend = F)

Avec IRL

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("001515333", "010600351","010600352", "010600353")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2001-01-01"),
         date <= as.Date("2025-01-01")) %>%
  group_by(IDBANK) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  mutate(Ref_area = ifelse(IDBANK %in% c("010600351","010600352", "010600353"), paste0("Indice des loyers d'habitation (ILH) - ", Ref_area), "Indice de référence des Loyers (IRL)")) %>%
  ggplot() + ylab("Indice des loyers (janvier 2017 = 100)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.8),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 5),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = Ref_area, label = round(OBS_VALUE, 1)),
             show.legend = F)

2001-2020

Insee vs. OLAP

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("010600352")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2001-01-01"),
         date <= as.Date("2021-01-01"),
         month(date) == 1) %>%
  select(date, OBS_VALUE) %>%
  mutate(variable = "INSEE") %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100* OBS_VALUE/OBS_VALUE[1]) %>%
  
  bind_rows(loyers_agglo_paris %>%
              mutate(OBS_VALUE = 100*cumprod(1+value/100),
                      year = year+1) %>%
              add_row(year = 2001, OBS_VALUE = 100) %>%
              mutate(date = paste0(year, "-01-01") %>% as.Date) %>%
              mutate(variable = "OLAP") %>%
              filter(date <= as.Date("2021-01-01"))) %>%
  bind_rows(`IPCH-IPC-2015-ensemble-Q` %>%
              mutate(date = as.Date(date)) %>%
              rename(variable = INDICATEUR) %>%
              group_by(variable) %>%
              filter(date >= as.Date("2001-01-01"),
                     date <= as.Date("2021-01-01")) %>%
              arrange(date) %>%
              mutate(OBS_VALUE = 100* OBS_VALUE/OBS_VALUE[1])) %>%
  mutate(variable = factor(variable,
                           levels = c("OLAP",
                                      "INSEE",
                                      "IPCH",
                                      "IPC"),
                           labels = c("Indice des Loyers de l'Agglomération Parisienne. Source: OLAP",
                                      "Indice des Loyers de l'Agglomération Parisienne. Source: INSEE",
                                      "Indice des Prix à la Consommation Harmonisé (IPCH) - Eurostat",
                                      "Indice des Prix à la Consommation (IPC) - Insee"))) %>%
  ggplot() + ylab("Janvier 2001 = 100") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = variable)) +
  scale_x_date(breaks = seq(2001, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.32, 0.85),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 5),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = variable, label = round(OBS_VALUE, 1)),
             show.legend = F)

2001-2024

Insee vs. OLAP

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("010600352")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2001-01-01"),
         date <= as.Date("2024-01-01"),
         month(date) == 1) %>%
  select(date, OBS_VALUE) %>%
  mutate(variable = "INSEE") %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100* OBS_VALUE/OBS_VALUE[1]) %>%
  
  bind_rows(loyers_agglo_paris %>%
              mutate(OBS_VALUE = 100*cumprod(1+value/100),
                      year = year+1) %>%
              add_row(year = 2001, OBS_VALUE = 100) %>%
              mutate(date = paste0(year, "-01-01") %>% as.Date) %>%
              mutate(variable = "OLAP") %>%
              filter(date <= as.Date("2024-01-01"))) %>%
  bind_rows(`IPCH-IPC-2015-ensemble-Q` %>%
              mutate(date = as.Date(date)) %>%
              rename(variable = INDICATEUR) %>%
              group_by(variable) %>%
              filter(date >= as.Date("2001-01-01"),
                     date <= as.Date("2024-01-01")) %>%
              arrange(date) %>%
              mutate(OBS_VALUE = 100* OBS_VALUE/OBS_VALUE[1])) %>%
  mutate(variable = factor(variable,
                           levels = c("OLAP",
                                      "IPCH",
                                      "INSEE",
                                      "IPC"),
                           labels = c("Indice des Loyers de l'Agglomération Parisienne. Source: OLAP",
                                      "Indice des Prix à la Consommation Harmonisé (IPCH) - Eurostat",
                                      "Indice des Loyers de l'Agglomération Parisienne. Source: INSEE",
                                      "Indice des Prix à la Consommation (IPC) - Insee"))) %>%
  ggplot() + ylab("Janvier 2001 = 100") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = variable)) +
  scale_x_date(breaks = seq(2001, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.35, 0.85),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 5),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = variable, label = round(OBS_VALUE, 1)),
             show.legend = F)

2017-2025

Avec IRL

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("001515333", "010600351","010600352", "010600353")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01"),
         date <= as.Date("2025-01-01")) %>%
  group_by(IDBANK) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  mutate(Ref_area = ifelse(IDBANK %in% c("010600351","010600352", "010600353"), paste0("Indice des loyers d'habitation (ILH) - ", Ref_area), "Indice de référence des Loyers (IRL)")) %>%
  ggplot() + ylab("Indice des loyers (janvier 2017 = 100)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.8),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 1),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = Ref_area, label = round(OBS_VALUE, 1)),
             show.legend = F)

2017-2024

Avec IRL

Code 
INDICES_LOYERS %>%
  bind_rows(IRL) %>%
  filter(IDBANK %in% c("001515333", "010600351","010600352", "010600353")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01"),
         date <= as.Date("2024-01-01")) %>%
  group_by(IDBANK) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  mutate(Ref_area = ifelse(IDBANK %in% c("010600351","010600352", "010600353"), paste0("Indice des loyers d'habitation (ILH) - ", Ref_area), "Indice de référence des Loyers (IRL)")) %>%
  ggplot() + ylab("Indice des loyers (janvier 2017 = 100)") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.4, 0.8),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 1),
                     labels = dollar_format(accuracy = 1, prefix = ""))+
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = Ref_area, label = round(OBS_VALUE, 1)),
             show.legend = F)

Secteur social

Code 
INDICES_LOYERS %>%
  filter(SECTEURS_LOYERS == "SECTEUR_SOCIAL",
         NATURE == "INDICE",
         REF_AREA %in% c("FM", "AGGLO_PARIS", "PR")) %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  left_join(REF_AREA, by = "REF_AREA") %>%
  quarter_to_date %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Ref_area)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Par région

Liste

Code 
INDICES_LOYERS %>%
  filter(TIME_PERIOD == "2020-Q2",
         NATURE == "INDICE",
         SECTEURS_LOYERS == "TOUS_SECTEURS") %>%
  select(REF_AREA, TITLE_FR, OBS_VALUE) %>%
  mutate(TITLE_FR = gsub("Indice des loyers – Tous secteurs – ", "", TITLE_FR),
         TITLE_FR = gsub(" – Base 100 en janvier 2019", "", TITLE_FR)) %>%
  {if (is_html_output()) print_table(.) else .}
REF_AREA TITLE_FR OBS_VALUE
FM France métropolitaine 100.6
AGGLO_PARIS Agglomération parisienne 100.8
PR Reste de la France métropolitaine 100.5
D971 Guadeloupe 101.1
D972 Martinique 101.2
D973 Guyane 101.0
D974 La Réunion 101.1
FR-D976 France (hors Mayotte) 100.6

France

All

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "FM",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

1990-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "FM",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("1990-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

1992-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "FM",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("1992-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

2000-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "FM",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2000-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

2017-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "FM",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 1),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = Secteurs_loyers, label = round(OBS_VALUE, 1)),
             show.legend = F)

Agglomération Parisienne

All

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "AGGLO_PARIS",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

1990-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "AGGLO_PARIS",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("1990-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

1992-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "AGGLO_PARIS",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("1992-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

2000-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "AGGLO_PARIS",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2000-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

2017-

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "AGGLO_PARIS",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  filter(date >= as.Date("2017-01-01")) %>%
  group_by(SECTEURS_LOYERS) %>%
  arrange(date) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 1),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label(data = . %>% filter(date == max(date)),
             aes(x = date, y = OBS_VALUE, color = Secteurs_loyers, label = round(OBS_VALUE, 1)),
             show.legend = F)

Province

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "PR",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

France (hors Mayotte)

Code 
INDICES_LOYERS %>%
  filter(REF_AREA == "FR-D976",
         NATURE == "INDICE") %>%
  left_join(SECTEURS_LOYERS, by = "SECTEURS_LOYERS") %>%
  quarter_to_date %>%
  ggplot() + ylab("Indice des loyers") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = OBS_VALUE, color = Secteurs_loyers)) +
  
  scale_x_date(breaks = seq(1920, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  theme(legend.position = c(0.75, 0.3),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(0, 400, 1),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Info

source dataset Title .html .rData
insee INDICES_LOYERS Indices des loyers d'habitation (ILH) 2026-02-16 2026-02-15

Données sur l’inflation en France

source dataset Title .html .rData
insee ILC-ILAT-ICC Indices pour la révision d’un bail commercial ou professionnel 2026-02-16 2026-02-15
insee INDICES_LOYERS Indices des loyers d'habitation (ILH) 2026-02-16 2026-02-15
insee IPC-1970-1980 Indice des prix à la consommation - Base 1970, 1980 2026-02-16 2026-02-15
insee IPC-1990 Indices des prix à la consommation - Base 1990 2026-02-16 2026-02-15
insee IPC-2015 Indice des prix à la consommation - Base 2015 2026-02-16 2026-02-16
insee IPC-PM-2015 Prix moyens de vente de détail 2026-02-16 2026-02-15
insee IPCH-2015 Indices des prix à la consommation harmonisés 2026-02-16 2026-02-15
insee IPCH-IPC-2015-ensemble Indices des prix à la consommation harmonisés 2026-02-16 2026-02-16
insee IPGD-2015 Indice des prix dans la grande distribution 2026-02-16 2025-12-20
insee IPLA-IPLNA-2015 Indices des prix des logements neufs et Indices Notaires-Insee des prix des logements anciens 2026-02-16 2026-02-15
insee IPPI-2015 Indices de prix de production et d'importation dans l'industrie 2026-02-16 2026-02-16
insee IRL Indice pour la révision d’un loyer d’habitation 2026-01-08 2026-02-16
insee SERIES_LOYERS Variation des loyers 2026-02-16 2026-02-16
insee T_CONSO_EFF_FONCTION Consommation effective des ménages par fonction 2026-02-16 2025-12-22
insee bdf2017 Budget de famille 2017 2026-02-03 2023-11-21
insee echantillon-agglomerations-IPC-2024 Échantillon d’agglomérations enquêtées de l’IPC en 2024 2026-01-27 2026-01-27
insee echantillon-agglomerations-IPC-2025 Échantillon d’agglomérations enquêtées de l’IPC en 2025 2026-01-27 2026-01-27
insee liste-varietes-IPC-2024 Liste des variétés pour la mesure de l'IPC en 2024 2026-01-27 2025-04-02
insee liste-varietes-IPC-2025 Liste des variétés pour la mesure de l'IPC en 2025 2026-01-27 2026-01-27
insee ponderations-elementaires-IPC-2024 Pondérations élémentaires 2024 intervenant dans le calcul de l’IPC 2026-01-27 2025-04-02
insee ponderations-elementaires-IPC-2025 Pondérations élémentaires 2025 intervenant dans le calcul de l’IPC 2026-01-27 2026-01-27
insee table_conso_moyenne_par_categorie_menages Montants de consommation selon différentes catégories de ménages 2026-02-16 2026-01-27
insee table_poste_au_sein_sous_classe_ecoicopv2_france_entiere_ Ventilation de chaque sous-classe (niveau 4 de la COICOP v2) en postes et leurs pondérations 2026-02-16 2026-01-27
insee tranches_unitesurbaines Poids de chaque tranche d’unités urbaines dans la consommation 2026-02-16 2026-01-27

Données sur l’immobilier

source dataset Title .html .rData
acpr as151 Enquête annuelle du SGACPR sur le financement de l'habitat 2022 2025-08-24 2024-04-05
acpr as160 Enquête annuelle du SGACPR sur le financement de l'habitat 2023 2025-08-24 2024-09-26
acpr as174 Enquête annuelle du SGACPR sur le financement de l'habitat 2024 2025-09-29 2025-09-29
bdf BSI1 Agrégats monétaires - France 2026-02-15 2026-02-15
bdf CPP Prix immobilier commercial 2026-02-15 2024-07-01
bdf FM Marché financier, taux 2026-02-15 2026-02-15
bdf MIR Taux d'intérêt - Zone euro 2026-02-15 2025-08-04
bdf MIR1 Taux d'intérêt - France 2026-02-15 2025-08-04
bdf RPP Prix de l'immobilier 2026-02-15 2026-02-15
bdf immobilier Immobilier en France 2026-02-15 2026-02-15
cgedd nombre-vente-maison-appartement-ancien Nombre de ventes de logements anciens cumulé sur 12 mois 2026-01-12 2026-01-12
insee CONSTRUCTION-LOGEMENTS Construction de logements 2026-02-16 2026-02-15
insee ENQ-CONJ-ART-BAT Conjoncture dans l'artisanat du bâtiment 2026-02-16 2026-02-15
insee ENQ-CONJ-IND-BAT Conjoncture dans l'industrie du bâtiment - ENQ-CONJ-IND-BAT 2026-02-16 2026-02-15
insee ENQ-CONJ-PROMO-IMMO Conjoncture dans la promotion immobilière 2026-02-16 2026-02-15
insee ENQ-CONJ-TP Conjoncture dans les travaux publics 2026-02-16 2026-02-15
insee ILC-ILAT-ICC Indices pour la révision d’un bail commercial ou professionnel 2026-02-16 2026-02-15
insee INDICES_LOYERS Indices des loyers d'habitation (ILH) 2026-02-16 2026-02-15
insee IPLA-IPLNA-2015 Indices des prix des logements neufs et Indices Notaires-Insee des prix des logements anciens 2026-02-16 2026-02-15
insee IRL Indice pour la révision d’un loyer d’habitation 2026-01-08 2026-02-16
insee PARC-LOGEMENTS Estimations annuelles du parc de logements (EAPL) 2026-02-16 2023-12-03
insee SERIES_LOYERS Variation des loyers 2026-02-16 2026-02-16
insee t_dpe_val Dépenses de consommation des ménages pré-engagées 2026-02-16 2026-01-10
notaires arrdt Prix au m^2 par arrondissement - arrdt 2026-01-08 2026-01-08
notaires dep Prix au m^2 par département 2026-01-07 2026-01-08
olap loyers Loyers 2024-06-20 2023-07-20

Info

  • Indices des loyers d’habitation (ILH). html

  • Enquête Loyers et charges. html

  • Questionnaire de l’enquête. pdf

  • Qualité de l’enquête relative à l’exercice 2018. pdf

Les données sont calculées à partir des résultats de l’enquête Loyers et charges et de celle sur les loyers auprès des bailleurs sociaux (ELBS). Le champ recouvre l’ensemble des résidences principales, louées vides, dont l’usage principal est l’habitation. L’indice est calculé selon la formule de Laspeyres appliquée à des loyers au mètre carré. On mesure une évolution à qualité constante, en rapportant les loyers du parc observés au trimestre T aux loyers du parc observés au trimestre T-1. Ces indices sont ensuite chaînés, du 1er mois d’un trimestre au 1er mois du trimestre précédent.

Ces données diffèrent de l’indice de référence des loyers (IRL), qui constitue la référence pour la révision des loyers en cours de bail dans le parc locatif privé, car l’évolution des loyers présentée ici est celle effectivement constatée. Si la variation réelle des loyers est corrélée à l’évolution de l’IRL, les deux indices ne sont cependant pas identiques.

LAST_UPDATE

  • LAST_UPDATE
Code 
`INDICES_LOYERS` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(LAST_UPDATE)) %>%
  print_table_conditional()
LAST_UPDATE Nobs
2025-12-16 5314