Indices des loyers d’habitation (ILH) - INDICES_LOYERS

Name: Indices des loyers d'habitation (ILH)
Creator: François Geerolf
License: https://www.etalab.gouv.fr/licence-ouverte-open-licence/

Données - INSEE

Auteur

François Geerolf

Structure

Par Type

Tous Secteurs

Tous

Code

INDICES_LOYERS |>
  filter(SECTEURS_LOYERS == "TOUS_SECTEURS",
         NATURE == "INDICE",
         REF_AREA %in% c("FM", "AGGLO_PARIS", "PR")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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")) |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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") |>
  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

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.

Related Data

Évolution de l’inflation en France depuis 2017

source	dataset	Title	Updated
insee	INDICES_LOYERS	Indices des loyers d’habitation (ILH) - INDICES_LOYERS	2026-09-11
insee	IPC-2015	Indice des prix à la consommation - Base 2015 - IPC-2015	2026-09-11
insee	IPC-PM-2015	Prix moyens de vente de détail - IPC-PM-2015	2026-09-11
insee	IPCH-2015	Indices des prix à la consommation harmonisés - IPCH-2015	2026-09-11
insee	IPCH-IPC-2015-ensemble	Indices des prix à la consommation harmonisés - IPCH-IPC-2015-ensemble	2026-08-02
insee	IPGD-2015	Indice des prix dans la grande distribution - IPGD-2015	2026-09-04
insee	IPPI-2021	Indices de prix de production et d’importation dans l’industrie - IPPI-2021	2026-09-04
insee	IRL	Indice pour la révision d’un loyer d’habitation - IRL	2026-09-11
wdi	FP.CPI.TOTL.ZG	Inflation, consumer prices (annual %) - FP.CPI.TOTL.ZG	2026-09-11

Données sur l’évolution des loyers

source	dataset	Title	Updated
insee	INDICES_LOYERS	Indices des loyers d’habitation (ILH) - INDICES_LOYERS	2026-09-11
insee	IRL	Indice pour la révision d’un loyer d’habitation - IRL	2026-09-11

Évolution du pouvoir d’achat depuis 2017

source	dataset	Title	Updated
dares	les-indices-de-salaire-de-base	Les indices de salaire de base - les-indices-de-salaire-de-base	2026-08-30
eurostat	nama_10_pc	Main GDP aggregates per capita - nama_10_pc	2026-09-09
eurostat	nasq_10_nf_tr	Non-financial transactions - nasq_10_nf_tr	2026-09-09
insee	CNA-2020-CONSO-MEN	Consommation des ménages - CNA-2020-CONSO-MEN	2026-09-04
insee	INDICES_LOYERS	Indices des loyers d’habitation (ILH) - INDICES_LOYERS	2026-09-11
insee	IPEA-2021	Indice des prix d’entretien-amélioration des bâtiments - Base 2021 - IPEA-2021	2026-09-11
insee	IRL	Indice pour la révision d’un loyer d’habitation - IRL	2026-09-11
insee	SALAIRES-ANNUELS	Salaires annuels - SALAIRES-ANNUELS	2026-09-11
insee	SMIC-COTISATIONS	Taux de cotisations et salaires minima garantis - SMIC-COTISATIONS	2026-09-11
insee	T_2101	2.101 – Revenu disponible brut des ménages et évolution du pouvoir d’achat par personne, par ménage et par unité de consommation (En milliards euros et %) - t_2101	2026-09-12
insee	T_2103	2.103 – Dépense de consommation finale pré-engagée des ménages à prix courants (En milliards d’euros et %) - t_2103	2026-09-12
insee	T_7401	7.401 – Compte des ménages (S14) (En milliards d’euros) - T_7401	2026-09-08
insee	econ-gen-revenu-dispo-pouv-achat-2	Revenu disponible brut et pouvoir d’achat - Données annuelles - econ-gen-revenu-dispo-pouv-achat-2	2026-08-02
insee	t_men_val	Revenu, pouvoir d’achat et comptes des ménages - Valeurs aux prix courants - t_men_val	2026-09-03
insee	t_pib_vol	PIB et ses composantes - Equilibre emplois-ressources - volumes aux prix de l’année précédente chaînés - t_pib_vol	2026-09-03
insee	t_pouvachat_val	Pouvoir d’achat et ratios des comptes des ménages - t_pouvachat_val	2026-09-03
insee	t_recapAgent_val	Récapitulatif des séries des comptes d’agents - t_recapAgent_val	2026-09-03
insee	t_salaire_val	Salaire moyen par tête - SMPT (données CVS) - t_salaire_val	2026-09-03
ipp	indicefp	Point d’indice de la fonction publique - indicefp	2026-09-12
ipp	revalorisation_pension	Revalorisation du Régime général de la caisse nationale d’assurance vieillesse (CNAV) - revalorisation_pension	2026-09-12
oecd	PRICES_ALL	Consumer price indices (CPIs) - PRICES_ALL	2026-09-11