~/data/insee/

Info

source	dataset	.html	.RData
insee	INDICES_LOYERS	2024-04-18	2024-05-09

Données sur l’inflation en France

source	dataset	.html	.RData
insee	bdf2017	2024-05-09	2023-11-21
insee	ILC-ILAT-ICC	2024-05-09	2024-05-09
insee	INDICES_LOYERS	2024-04-18	2024-05-09
insee	IPC-1970-1980	2024-04-18	2024-05-09
insee	IPC-1990	2024-04-18	2024-05-09
insee	IPC-2015	2024-04-18	2024-04-09
insee	IPC-PM-2015	2024-04-18	2024-05-09
insee	IPCH-2015	2024-04-18	2024-05-09
insee	IPGD-2015	2024-04-18	2024-03-20
insee	IPLA-IPLNA-2015	2024-04-18	2024-05-09
insee	IPPI-2015	2024-04-18	2024-03-30
insee	IRL	2024-04-18	2024-05-09
insee	SERIES_LOYERS	2024-04-18	2024-05-09
insee	T_CONSO_EFF_FONCTION	2024-04-18	2024-04-01

Données sur l’immobilier

source	dataset	.html	.RData
acpr	as151	2024-04-05	2024-04-05
bdf	BSI1	2024-05-08	2024-05-08
bdf	CPP	2024-05-08	2024-05-08
bdf	FM	2024-05-08	2024-05-08
bdf	immobilier	2024-05-08	2024-05-07
bdf	MIR	2024-05-08	2024-05-08
bdf	MIR1	2024-05-08	2024-05-08
bdf	RPP	2024-05-08	2024-05-08
insee	CONSTRUCTION-LOGEMENTS	2024-05-09	2024-05-09
insee	ENQ-CONJ-ART-BAT	2024-05-09	2023-10-25
insee	ENQ-CONJ-IND-BAT	2024-05-09	2024-05-09
insee	ENQ-CONJ-PROMO-IMMO	2024-05-09	2024-05-09
insee	ENQ-CONJ-TP	2024-05-09	2024-05-09
insee	ILC-ILAT-ICC	2024-05-09	2024-05-09
insee	INDICES_LOYERS	2024-04-18	2024-05-09
insee	IPLA-IPLNA-2015	2024-04-18	2024-05-09
insee	IRL	2024-04-18	2024-05-09
insee	PARC-LOGEMENTS	2024-04-18	2023-12-03
insee	SERIES_LOYERS	2024-04-18	2024-05-09
insee	t_dpe_val	2024-04-18	2024-03-04
notaires	arrdt	2024-04-08	2024-04-08
notaires	dep	2024-04-08	2024-04-08

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

`INDICES_LOYERS` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(LAST_UPDATE)) %>%
  print_table_conditional()

LAST_UPDATE	Nobs
2024-03-19	4852

SECTEURS_LOYERS

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	1653
SECTEUR_SOCIAL	Secteur social	1604
SECTEUR_LIBRE	Secteur libre	1595

NATURE

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	1641
GLISSEMENT_TRIMESTRIEL	Glissement trimestriel	1631
GLISSEMENT_ANNUEL	Glissement annuel	1580

REF_AREA

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	1329
AGGLO_PARIS	Agglomération parisienne	1233
PR	Province	1233
D971	Guadeloupe	468
D972	Martinique	177
D974	La Réunion	177
FR-D976	France (hors Mayotte)	177
D973	Guyane	58

OBS_STATUS

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	4492
U	Valeur atypique	360

TITLE_FR

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

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Secteur libre

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Secteur social

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Par région

Liste

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	Province	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

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

1990-

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

1992-

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

2000-

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Agglomération Parisienne

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Province

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, 2025, 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, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = ""))

France (hors Mayotte)

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, 2025, 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, 200, 1),
                     labels = dollar_format(accuracy = 1, prefix = ""))

Indices des loyers - Base 2019

Data - INSEE

François Geerolf

Info

Données sur l’inflation en France

Données sur l’immobilier

Info

LAST_UPDATE

SECTEURS_LOYERS

NATURE

REF_AREA

OBS_STATUS

TITLE_FR

Par Type

Tous Secteurs

Secteur libre

Par région

Liste

France

All

1990-

1992-

2000-

Agglomération Parisienne

Province

France (hors Mayotte)