Salaires dans le secteur privé - Distribution depuis 1996, en euros constants IPC et IPCH

Name: Salaires dans le secteur privé - Distribution depuis 1996, en euros constants IPC et IPCH
Creator: François Geerolf
License: https://www.etalab.gouv.fr/licence-ouverte-open-licence/

Données - INSEE

Auteur

François Geerolf

Sources : Insee Première « Salaires dans le secteur privé » (éditions 2010 à 2025) ; Insee Résultats, séries longues sur les salaires dans le secteur privé, base Tous salariés (EQTP08, paru le 04/12/2025).
Déflateurs : les « euros constants » de l’Insee utilisent l’indice des prix à la consommation (IPC) de l’ensemble des ménages, y compris tabac. On compare avec l’indice des prix à la consommation harmonisé (IPCH), France, ensemble.

Éditions de l’Insee Première

L’histogramme par tranche de 100 euros apparaît pour la première fois dans l’IP1798 (salaires de 2017, paru le 16 avril 2020). Avant, les fichiers de données ne donnent que des déciles, avec les P95 et P99 (depuis l’édition 2010), et des centiles (depuis l’édition 2011).

Code

editions |>
  transmute(`Insee Première` = paste0("IP", ip), `Salaires de` = annee, `Paru le` = parution,
            Histogramme = if_else(is.na(histogramme), "", "oui"),
            Centiles = if_else(is.na(centiles), "", "oui"),
            Champ = champ) |>
  print_table_conditional()

Insee Première	Salaires de	Paru le	Histogramme	Centiles	Champ
IP1403	2010	2012-06-26			2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1471	2011	2013-10-31		oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1528	2012	2014-12-16		oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1565	2013	2015-09-16		oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1617	2014	2016-09-21		oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1669	2015	2017-10-12		oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1750	2016	2019-04-23		oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1798	2017	2020-04-16	oui	oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1828	2018	2020-12-04	oui	oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1863	2019	2021-06-15	oui	oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1898	2020	2022-04-26	oui	oui	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires
IP1938	2021	2023-02-16	oui	oui	2021-2023 : privé, hors apprentis et stagiaires
IP1971	2022	2023-11-08	oui	oui	2021-2023 : privé, hors apprentis et stagiaires
IP2020	2023	2024-10-23	oui	oui	2021-2023 : privé, hors apprentis et stagiaires
IP2079	2024	2025-10-23	oui	oui	2024-2025 : privé, y compris apprentis et stagiaires
IP2132	2025	NA	oui	oui	2024-2025 : privé, y compris apprentis et stagiaires

Attention aux ruptures de champ. Les histogrammes et les centiles publiés dans chaque édition ne sont comparables qu’à l’intérieur d’un même champ :

2010-2020 : privé et entreprises publiques, hors apprentis et stagiaires (contrats aidés inclus à partir de 2012, contrats de professionnalisation à partir de 2015) ;
2021-2023 : privé seulement, hors apprentis et stagiaires, France hors Mayotte ;
2024-2025 : privé, y compris apprentis et stagiaires, Mayotte incluse.

Sur cette page, les histogrammes et centiles publiés ne sont donc comparés qu’au sein d’un même champ. Pour comparer des années éloignées (1996, 2008, 2017… avec 2025), on utilise uniquement les séries longues de l’Insee. Elles sont rétropolées sur un champ homogène qui inclut les apprentis et les stagiaires depuis 1996.

Effet de l’entrée des apprentis et stagiaires en 2024 (IP2079)

Pour une même année (2024), les quantiles sont nettement plus bas avec les apprentis et les stagiaires, surtout en bas de la distribution. Comparer un centile de 2023 (ou de 2017) à un centile de 2025 mélange donc l’évolution des salaires avec ce changement de champ.

Code

champ_2024 |>
  filter(type == "Quantile") |>
  transmute(Quantile = quantile,
            `Sans apprentis ni stagiaires, hors Mayotte` = sans_niveau,
            `Avec apprentis et stagiaires, y c. Mayotte` = avec_niveau,
            `Écart (%)` = round(100 * (avec_niveau / sans_niveau - 1), 1)) |>
  print_table_conditional()

Quantile	Sans apprentis ni stagiaires, hors Mayotte	Avec apprentis et stagiaires, y c. Mayotte	Écart (%)
1er décile (D1)	1556	1492	-4.1
2e décile	1721	1669	-3.0
3e décile	1875	1823	-2.8
4e décile	2045	1992	-2.6
Médiane	2247	2190	-2.5
6e décile	2503	2442	-2.4
7e décile	2850	2785	-2.3
8e décile	3378	3305	-2.2
9e décile (D9)	4422	4334	-2.0
95e centile	5704	5593	-1.9
99e centile	10478	10261	-2.1
Moyenne	2814	2733	-2.9

Indices de prix : IPC et IPCH

Code

prix |>
  group_by(deflateur) |>
  mutate(indice = 100 * prix / first(prix)) |>
  ggplot(aes(x = annee, y = indice, color = deflateur)) +
  geom_line(linewidth = 1.1) +
  scale_color_manual(values = couleurs_deflateurs, name = NULL) +
  scale_x_continuous(breaks = seq(1996, 2026, 4)) +
  scale_y_continuous(breaks = seq(100, 200, 5)) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL, title = "Indices de prix à la consommation, France",
       subtitle = "Base 100 en 1996") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

Code

prix_wide |>
  filter(annee %in% c(1996, 2008, 2017, 2019, 2021, 2025)) |>
  mutate(across(c(IPC, IPCH), ~ round(100 * .x / .x[annee == 1996], 1), .names = "{.col} (base 100 en 1996)"),
         `Écart IPCH - IPC (points)` = `IPCH (base 100 en 1996)` - `IPC (base 100 en 1996)`) |>
  select(-IPC, -IPCH) |>
  print_table_conditional()

annee	IPC (base 100 en 1996)	IPCH (base 100 en 1996)	Écart IPCH - IPC (points)
1996	100.0	100.0	0.0
2008	121.4	123.2	1.8
2017	131.9	135.4	3.5
2019	135.8	140.1	4.3
2021	138.7	143.7	5.0
2025	157.6	166.1	8.5

Déciles et centiles depuis 1996, en euros constants

Les séries longues (EQTP08) portent sur un champ homogène depuis 1996 : privé et entreprises publiques, y compris apprentis et stagiaires, données rétropolées par l’Insee. Les comparaisons de cette section entre années éloignées sont donc à champ constant. Ces séries vont jusqu’en 2023. Elles sont prolongées en 2024 et en 2025 avec les évolutions en euros constants à champ constant publiées dans l’IP2079 et l’IP2132. Ces évolutions sont reconverties en euros courants avec l’IPC, puis redéflatées par l’IPC ou par l’IPCH. P25 et P75 s’arrêtent en 2023.

Vérification : reconstitution de la figure 5 de l’IP2132

Les indices reconstitués avec l’IPC doivent retrouver ceux de l’Insee.

Code

series |>
  filter(deflateur == "IPC", indicateur %in% c("D1", "D5", "D9"), annee %in% c(2008, 2017, 2023, 2024, 2025)) |>
  transmute(annee, indicateur = recode(indicateur, D5 = "Mediane"), reconstitue = round(reel_1996, 1)) |>
  left_join(ip2132_fig5 |> rename(insee = value), by = c("annee", "indicateur")) |>
  mutate(ecart = round(reconstitue - insee, 1)) |>
  print_table_conditional()

annee	indicateur	reconstitue	insee	ecart
2008	D1	111.5	111.6	-0.1
2008	Mediane	106.1	106.1	0.0
2008	D9	106.3	106.3	0.0
2017	D1	115.1	115.1	0.0
2017	Mediane	110.5	110.5	0.0
2017	D9	113.1	113.1	0.0
2023	D1	116.7	116.7	0.0
2023	Mediane	111.8	111.8	0.0
2023	D9	112.5	112.5	0.0
2024	D1	117.8	117.8	0.0
2024	Mediane	112.7	112.7	0.0
2024	D9	113.3	113.3	0.0
2025	D1	118.9	119.0	-0.1
2025	Mediane	114.2	114.1	0.1
2025	D9	115.1	115.1	0.0

Indices base 100 en 1996

Code

series |>
  filter(quantile %in% names(couleurs_quantiles)) |>
  mutate(deflateur = paste0("Déflateur : ", deflateur)) |>
  ggplot(aes(x = annee, y = reel_1996, color = quantile)) +
  geom_hline(yintercept = 100, color = "grey60", linewidth = 0.3) +
  geom_line(linewidth = 1) +
  facet_wrap(~ deflateur) +
  scale_color_manual(values = couleurs_quantiles, name = NULL) +
  scale_x_continuous(breaks = c(1996, 2005, 2015, 2025)) +
  scale_y_continuous(breaks = seq(90, 150, 5)) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL,
       title = "Salaire net en EQTP, en euros constants",
       subtitle = "Base 100 en 1996, par quantile") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

Écart entre les deux déflateurs, pour la médiane et le D9

Code

series |>
  filter(quantile %in% c("Médiane", "D9", "P99")) |>
  ggplot(aes(x = annee, y = reel_1996, color = deflateur)) +
  geom_hline(yintercept = 100, color = "grey60", linewidth = 0.3) +
  geom_line(linewidth = 1) +
  facet_wrap(~ quantile) +
  scale_color_manual(values = couleurs_deflateurs, name = "Déflateur") +
  scale_x_continuous(breaks = seq(1996, 2026, 10)) +
  scale_y_continuous(breaks = seq(90, 150, 5)) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL, title = "Salaire net en EQTP, en euros constants",
       subtitle = "Base 100 en 1996") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

Évolutions cumulées, en euros constants

Code

periodes <- bind_rows(map(c(1996L, 2008L, 2017L, 2019L, 2021L), evol_periode))

periodes |>
  filter(quantile %in% names(couleurs_quantiles)) |>
  ggplot(aes(x = quantile, y = evolution, fill = deflateur)) +
  geom_hline(yintercept = 0, color = "grey40", linewidth = 0.4) +
  geom_col(position = position_dodge(width = 0.8), width = 0.75) +
  geom_text(aes(label = format(round(evolution, 1), decimal.mark = ","),
                vjust = if_else(evolution >= 0, -0.3, 1.2)),
            position = position_dodge(width = 0.8), size = 2.6) +
  facet_wrap(~ periode, ncol = 2, scales = "free_y") +
  scale_fill_manual(values = couleurs_deflateurs, name = "Déflateur") +
  scale_y_continuous(expand = expansion(mult = c(0.15, 0.15))) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL,
       title = "Évolution du salaire net en EQTP jusqu'en 2025, en euros constants",
       subtitle = "en %") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank(),
        panel.grid.major.x = element_blank())

Code

periodes |>
  mutate(evolution = round(evolution, 1)) |>
  pivot_wider(names_from = quantile, values_from = evolution) |>
  arrange(periode, deflateur) |>
  print_table_conditional()

deflateur	periode	D1	Médiane	D9	P95	P99	Moyenne
IPC	1996-2025	18.9	14.2	15.1	10.2	10.3	15.5
IPCH	1996-2025	12.9	8.4	9.2	4.6	4.7	9.6
IPC	2008-2025	6.6	7.6	8.3	4.8	2.7	7.1
IPCH	2008-2025	2.7	3.6	4.3	1.0	-1.1	3.2
IPC	2017-2025	3.3	3.3	1.8	0.7	0.5	2.5
IPCH	2017-2025	0.7	0.7	-0.8	-1.9	-2.0	-0.1
IPC	2019-2025	1.9	0.7	0.6	0.3	1.3	1.2
IPCH	2019-2025	-0.3	-1.5	-1.6	-1.9	-0.8	-1.0
IPC	2021-2025	1.8	0.0	-0.8	-1.4	-1.2	0.0
IPCH	2021-2025	0.1	-1.7	-2.4	-3.0	-2.9	-1.6

Évolution réelle par quantile depuis 1996

Évolution du salaire net en EQTP jusqu’en 2025, en euros constants, pour chaque quantile de la distribution (D1, médiane, D9, P95, P99), selon l’année de départ.

Code

rangs <- c("D1" = 10, "Médiane" = 50, "D9" = 90, "P95" = 95, "P99" = 99)

periodes |>
  filter(quantile %in% names(rangs), periode %in% c("1996-2025", "2008-2025", "2017-2025", "2021-2025")) |>
  mutate(quantile = factor(quantile, levels = names(rangs))) |>
  ggplot(aes(x = quantile, y = evolution, color = deflateur, group = deflateur)) +
  geom_hline(yintercept = 0, color = "grey40", linewidth = 0.4) +
  geom_line(linewidth = 1.1) +
  geom_point(size = 2) +
  geom_text(aes(label = format(round(evolution, 1), decimal.mark = ",")),
            vjust = -0.9, size = 2.8, show.legend = FALSE) +
  facet_wrap(~ periode, ncol = 2, scales = "free_y") +
  scale_color_manual(values = couleurs_deflateurs, name = "Déflateur") +
  scale_y_continuous(expand = expansion(mult = c(0.1, 0.2))) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL,
       title = "Évolution du salaire net en EQTP par quantile, en euros constants",
       subtitle = "en %, jusqu'en 2025") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

Évolution réelle par quantile, 1996-2025, année par année

Chaque courbe donne, pour une année de départ, l’évolution réelle jusqu’en 2025 (déflateur : IPCH).

Code

series |>
  filter(deflateur == "IPCH", quantile %in% names(rangs)) |>
  group_by(quantile) |>
  mutate(evolution = 100 * (reel_1996[annee == 2025] / reel_1996 - 1)) |>
  ungroup() |>
  filter(annee < 2025) |>
  ggplot(aes(x = annee, y = evolution, color = quantile)) +
  geom_hline(yintercept = 0, color = "grey40", linewidth = 0.4) +
  geom_line(linewidth = 1) +
  scale_color_manual(values = couleurs_quantiles, name = NULL) +
  scale_x_continuous(breaks = seq(1996, 2024, 4)) +
  scale_y_continuous(breaks = seq(-10, 20, 2)) +
  theme_minimal(base_size = 12) +
  labs(x = "Année de départ", y = NULL,
       title = "Évolution du salaire net en EQTP entre l'année de départ et 2025",
       subtitle = "en %, en euros constants (déflateur : IPCH)") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

Niveaux en euros courants

Code

series |>
  filter(deflateur == "IPC") |>
  select(annee, quantile, nominal) |>
  mutate(nominal = round(nominal)) |>
  pivot_wider(names_from = quantile, values_from = nominal) |>
  arrange(desc(annee)) |>
  print_table_conditional()

annee	P95	P99	D1	Médiane	D9	Moyenne	P25	P75
2025	5744	10590	1521	2240	4445	2801	NA	NA
2024	5595	10265	1492	2191	4335	2734	NA	NA
2023	5458	10023	1449	2131	4220	2658	1697	2929
2022	5300	9784	1379	2043	4083	2560	1618	2816
2021	5125	9436	1315	1972	3943	2464	1552	2719
2020	5179	9506	1302	1974	3981	2471	1549	2738
2019	4936	9007	1286	1918	3809	2386	1515	2644
2018	4887	9072	1256	1850	3741	2335	1467	2556
2017	4774	8816	1232	1814	3655	2286	1438	2504
2016	4695	8662	1209	1780	3583	2242	1413	2453
2015	4663	8597	1205	1770	3560	2229	1409	2437
2014	4599	8468	1198	1756	3513	2203	1400	2410
2013	4537	8366	1192	1745	3460	2180	1393	2386
2012	4504	8325	1188	1731	3434	2167	1386	2363
2011	4442	8237	1165	1708	3375	2134	1364	2326
2010	4352	8046	1138	1668	3280	2083	1332	2269
2009	4262	7879	1122	1638	3217	2041	1311	2228
2008	4222	7943	1099	1604	3164	2015	1282	2182
2007	4100	7653	1063	1551	3078	1954	1240	2115
2006	3981	7379	1040	1511	2989	1894	1209	2060
2005	3922	7231	1025	1486	2946	1860	1187	2028
2004	3827	7063	987	1446	2862	1809	1148	1978
2003	3751	6879	957	1418	2806	1769	1120	1943
2002	3686	6742	937	1388	2753	1732	1097	1903
2001	3639	6710	912	1354	2706	1696	1067	1860
2000	3556	6655	882	1325	2635	1658	1040	1827
1999	3471	6412	869	1307	2580	1624	1024	1797
1998	3386	6194	855	1290	2522	1591	1010	1765
1997	3343	6167	833	1269	2484	1566	988	1736
1996	3307	6092	811	1245	2451	1538	966	1704

Histogrammes 2017-2025

Effectifs en EQTP par tranche de 100 euros de salaire mensuel net, d’après la figure de chaque édition. Les tranches ouvertes (« moins de… », « … ou plus ») sont exclues. Ces histogrammes ne sont pas rétropolés : on ne compare les années qu’à l’intérieur d’un même champ (2017-2020, 2021-2023, 2024-2025).

En euros courants

Code

histogrammes |>
  group_by(annee) |>
  mutate(part = 100 * effectifs_milliers / sum(effectifs_milliers)) |>
  filter(!is.na(borne_inf), !is.na(borne_sup), borne_inf < 6000) |>
  ggplot(aes(x = borne_inf + 50, y = part, fill = champ)) +
  geom_col(width = 100, color = "white", linewidth = 0.1) +
  facet_wrap(~ annee, ncol = 3) +
  scale_fill_manual(values = c(bleu_clair, "#4A72B8", bleu) |> setNames(sort(unique(histogrammes$champ))), name = NULL) +
  scale_x_continuous(breaks = seq(1000, 6000, 1000), labels = ~ format(.x, big.mark = " ")) +
  guides(fill = guide_legend(ncol = 1)) +
  theme_minimal(base_size = 11) +
  labs(x = "Salaire mensuel net (euros courants)", y = "% des EQTP",
       title = "Distribution des salaires mensuels nets en EQTP",
       subtitle = "Tranches de 100 euros, en % des effectifs en EQTP") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

En euros constants de 2025 (IPCH), à champ constant

Chaque tranche est convertie en euros de 2025 avec l’IPCH. Pour que les années restent comparables, la hauteur est une densité : la part des EQTP pour 100 euros de 2025. Chaque panneau ne compare que des années de même champ.

Code

histogrammes |>
  group_by(annee) |>
  mutate(part = 100 * effectifs_milliers / sum(effectifs_milliers)) |>
  filter(!is.na(borne_inf), !is.na(borne_sup)) |>
  left_join(prix_wide |> transmute(annee, coef = IPCH[annee == 2025] / IPCH), by = "annee") |>
  mutate(milieu = (borne_inf + 50) * coef,
         densite = part / coef) |>
  filter(milieu < 6500) |>
  ungroup() |>
  ggplot(aes(x = milieu, y = densite, color = factor(annee))) +
  geom_line(linewidth = 0.9) +
  facet_wrap(~ champ, ncol = 1) +
  scale_color_manual(values = c("2017" = "#C6D7EE", "2018" = "#8FB0DE", "2019" = "#4A72B8", "2020" = "#1B3F8B",
                                "2021" = "#C6D7EE", "2022" = "#4A72B8", "2023" = "#1B3F8B",
                                "2024" = "#8FB0DE", "2025" = rouge), name = NULL) +
  scale_x_continuous(breaks = seq(1000, 7000, 500), labels = ~ format(.x, big.mark = " ")) +
  theme_minimal(base_size = 12) +
  labs(x = "Salaire mensuel net (euros de 2025, IPCH)", y = "% des EQTP pour 100 euros",
       title = "Distribution des salaires mensuels nets en EQTP, à champ constant",
       subtitle = "Euros constants de 2025 (déflateur : IPCH)") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank(),
        axis.text.x = element_text(angle = 45, hjust = 1))

Log-log (Pareto), en euros constants de 2025 (IPCH), à champ constant

Code

histogrammes |>
  group_by(annee) |>
  mutate(total = sum(effectifs_milliers)) |>
  filter(!is.na(borne_inf)) |>
  arrange(desc(borne_inf), .by_group = TRUE) |>
  mutate(part_au_dessus = cumsum(effectifs_milliers) / total) |>
  ungroup() |>
  left_join(prix_wide |> transmute(annee, coef = IPCH[annee == 2025] / IPCH), by = "annee") |>
  filter(borne_inf >= 2000) |>
  ggplot(aes(x = borne_inf * coef, y = part_au_dessus, color = factor(annee))) +
  geom_line(linewidth = 0.8) +
  facet_wrap(~ champ, ncol = 1) +
  scale_x_log10(breaks = c(2000, 3000, 4000, 5000, 7000, 10000), labels = ~ format(.x, big.mark = " ")) +
  scale_y_log10(breaks = c(0.005, 0.01, 0.02, 0.05, 0.1, 0.2, 0.5),
                labels = scales::percent_format(accuracy = 0.1, decimal.mark = ",")) +
  scale_color_manual(values = c("2017" = "#C6D7EE", "2018" = "#8FB0DE", "2019" = "#4A72B8", "2020" = "#1B3F8B",
                                "2021" = "#C6D7EE", "2022" = "#4A72B8", "2023" = "#1B3F8B",
                                "2024" = "#8FB0DE", "2025" = rouge), name = NULL) +
  theme_minimal(base_size = 12) +
  labs(x = "Salaire mensuel net s (euros de 2025, IPCH, échelle log)",
       y = "Part des EQTP ≥ s (log)",
       title = "Queue de distribution des salaires mensuels nets en EQTP, à champ constant",
       subtitle = "Échelle log-log (Pareto), euros constants de 2025 (déflateur : IPCH)") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

Coefficients de Pareto

La pente de la queue (α, régression à partir de 3 000 euros courants) est calculée année par année. Ajouter des salariés payés sous le seuil (apprentis, stagiaires) multiplie toutes les parts au-dessus du seuil par un même facteur : la droite se déplace mais sa pente ne change pas. α reste donc comparable malgré les ruptures de champ, contrairement aux niveaux des parts.

Code

histogrammes |>
  group_by(annee, champ) |>
  mutate(total = sum(effectifs_milliers)) |>
  filter(!is.na(borne_inf)) |>
  arrange(desc(borne_inf), .by_group = TRUE) |>
  mutate(part_au_dessus = cumsum(effectifs_milliers) / total) |>
  filter(borne_inf >= 3000) |>
  summarise(alpha = -coef(lm(log(part_au_dessus) ~ log(borne_inf)))[2], .groups = "drop") |>
  mutate(alpha = round(alpha, 3)) |>
  print_table_conditional()

annee	champ	alpha
2017	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires	2.671
2018	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires	2.601
2019	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires	2.672
2020	2011-2020 : privé et entreprises publiques, hors apprentis et stagiaires	2.635
2021	2021-2023 : privé, hors apprentis et stagiaires	2.635
2022	2021-2023 : privé, hors apprentis et stagiaires	2.641
2023	2021-2023 : privé, hors apprentis et stagiaires	2.662
2024	2024-2025 : privé, y compris apprentis et stagiaires	2.668
2025	2024-2025 : privé, y compris apprentis et stagiaires	2.657

Histogrammes reconstitués à partir des centiles, 2011-2025

L’Insee n’a pas publié d’histogramme par tranche de 100 euros avant 2017. Ni les Insee Première, ni les Tableaux de l’économie française, ni les séries longues n’en contiennent : on n’y trouve que des déciles. En revanche, les centiles P5 à P99 sont publiés depuis 2011. Entre deux centiles, on interpole linéairement la fonction de répartition, ce qui revient à une densité uniforme dans chaque intervalle. On en déduit la part des EQTP dans chaque tranche de 100 euros, entre P5 et P99.

Code

histo_centiles <- function(df) {
  df <- df |> arrange(centile)
  repartition <- approxfun(df$salaire_net, df$centile / 100, ties = mean)
  bornes <- seq(ceiling(min(df$salaire_net) / 100) * 100, floor(max(df$salaire_net) / 100) * 100 - 100, 100)
  tibble(borne_inf = bornes,
         part = 100 * (repartition(bornes + 100) - repartition(bornes)))
}

reconstitues <- centiles |>
  group_by(annee, champ) |>
  group_modify(~ histo_centiles(.x)) |>
  ungroup()

Validation sur 2017 et 2025, où l’on dispose des deux

Code

histogrammes |>
  group_by(annee) |>
  mutate(part = 100 * effectifs_milliers / sum(effectifs_milliers)) |>
  ungroup() |>
  filter(annee %in% c(2017, 2025), !is.na(borne_inf), !is.na(borne_sup)) |>
  select(annee, borne_inf, `Publié (Insee)` = part) |>
  inner_join(reconstitues |> select(-champ) |> rename(`Reconstitué (centiles)` = part), by = c("annee", "borne_inf")) |>
  pivot_longer(-c(annee, borne_inf), names_to = "source", values_to = "part") |>
  filter(borne_inf < 6000) |>
  ggplot(aes(x = borne_inf + 50, y = part, color = source)) +
  geom_line(linewidth = 0.9) +
  facet_wrap(~ annee, ncol = 1) +
  scale_color_manual(values = c("Publié (Insee)" = bleu, "Reconstitué (centiles)" = rouge), name = NULL) +
  scale_x_continuous(breaks = seq(1000, 6000, 500), labels = ~ format(.x, big.mark = " ")) +
  theme_minimal(base_size = 12) +
  labs(x = "Salaire mensuel net (euros courants)", y = "% des EQTP",
       title = "Histogramme publié et histogramme reconstitué à partir des centiles",
       subtitle = "Tranches de 100 euros, en % des effectifs en EQTP") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

En euros constants de 2025 (IPCH), à champ constant

Code

reconstitues |>
  filter(annee %in% c(2011, 2014, 2017, 2020, 2021, 2023, 2024, 2025)) |>
  left_join(prix_wide |> transmute(annee, coef = IPCH[annee == 2025] / IPCH), by = "annee") |>
  mutate(milieu = (borne_inf + 50) * coef,
         densite = part / coef) |>
  filter(milieu < 6500) |>
  ggplot(aes(x = milieu, y = densite, color = factor(annee))) +
  geom_line(linewidth = 0.9) +
  facet_wrap(~ champ, ncol = 1) +
  scale_color_manual(values = c("2011" = "#C6D7EE", "2014" = "#8FB0DE", "2017" = "#4A72B8", "2020" = "#1B3F8B",
                                "2021" = "#8FB0DE", "2023" = "#1B3F8B",
                                "2024" = "#8FB0DE", "2025" = rouge), name = NULL) +
  scale_x_continuous(breaks = seq(1000, 7000, 500), labels = ~ format(.x, big.mark = " ")) +
  theme_minimal(base_size = 12) +
  labs(x = "Salaire mensuel net (euros de 2025, IPCH)", y = "% des EQTP pour 100 euros",
       title = "Distribution reconstituée à partir des centiles, à champ constant",
       subtitle = "Salaires mensuels nets en EQTP, euros de 2025 (IPCH), entre P5 et P99") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank(),
        axis.text.x = element_text(angle = 45, hjust = 1))

En euros courants, 2011-2016

Code

reconstitues |>
  filter(annee <= 2016, borne_inf < 6000) |>
  ggplot(aes(x = borne_inf + 50, y = part)) +
  geom_col(width = 100, fill = bleu_clair, color = "white", linewidth = 0.1) +
  facet_wrap(~ annee, ncol = 3) +
  scale_x_continuous(breaks = seq(1000, 6000, 1000), labels = ~ format(.x, big.mark = " ")) +
  theme_minimal(base_size = 11) +
  labs(x = "Salaire mensuel net (euros courants)", y = "% des EQTP",
       title = "Distribution reconstituée à partir des centiles",
       subtitle = "Salaires mensuels nets en EQTP, tranches de 100 euros, entre P5 et P99") +
  theme(panel.grid.minor = element_blank())

Centiles publiés, en euros constants, à champ constant

Centiles des salaires mensuels nets en EQTP tels que publiés dans chaque édition. Chaque segment est en base 100 la première année de son champ (2011, 2021, 2024), et les segments ne sont pas reliés entre eux. Pour une évolution sur longue période à champ constant, voir les séries longues plus haut.

Code

centiles |>
  filter(centile %in% c(10, 25, 50, 75, 90, 95, 99)) |>
  crossing(deflateur = c("IPC", "IPCH")) |>
  left_join(prix, by = c("deflateur", "annee")) |>
  group_by(centile, deflateur, champ) |>
  arrange(annee) |>
  mutate(reel = 100 * (salaire_net / first(salaire_net)) / (prix / first(prix))) |>
  ungroup() |>
  mutate(centile = factor(paste0("P", centile), levels = paste0("P", c(10, 25, 50, 75, 90, 95, 99))),
         deflateur = paste0("Déflateur : ", deflateur)) |>
  ggplot(aes(x = annee, y = reel, color = centile, group = interaction(centile, champ))) +
  geom_vline(xintercept = c(2020.5, 2023.5), linetype = "dashed", color = "grey60") +
  geom_hline(yintercept = 100, color = "grey60", linewidth = 0.3) +
  geom_line(linewidth = 0.9) +
  geom_point(size = 0.8) +
  facet_wrap(~ deflateur) +
  scale_color_manual(values = colorRampPalette(c("#C6D7EE", "#1B3F8B", rouge))(7), name = NULL) +
  scale_x_continuous(breaks = seq(2011, 2025, 2)) +
  scale_y_continuous(breaks = seq(90, 120, 2)) +
  theme_minimal(base_size = 12) +
  labs(x = NULL, y = NULL, title = "Centiles du salaire mensuel net en EQTP, en euros constants",
       subtitle = "Base 100 la première année de chaque champ (2011, 2021, 2024)") +
  theme(legend.position = "bottom", panel.grid.minor = element_blank())

Données

Séries longues (EQTP08), ensemble, euros courants annuels

Code

SLS2025_EQTP08 |>
  filter(sexe == "Ensemble") |>
  pivot_wider(names_from = indicateur, values_from = value) |>
  arrange(desc(annee)) |>
  print_table_conditional()

annee	sexe	MOYENNE	D1	Q1	D5	Q3	D9	C95	C99	ECART1	ECART2	ECART3
2023	Ensemble	31902	17392	20368	25569	35147	50637	65496	120280	2.91	1.98	1.47
2022	Ensemble	30718	16549	19422	24515	33797	48995	63596	117410	2.96	2.00	1.48
2021	Ensemble	29569	15783	18630	23668	32632	47320	61504	113238	3.00	2.00	1.50
2020	Ensemble	29649	15619	18590	23684	32853	47776	62145	114068	3.06	2.02	1.52
2019	Ensemble	28631	15431	18176	23010	31723	45708	59237	108087	2.96	1.99	1.49
2018	Ensemble	28024	15066	17601	22202	30678	44888	58639	108868	2.98	2.02	1.47
2017	Ensemble	27426	14783	17252	21769	30048	43864	57285	105792	2.97	2.01	1.47
2016	Ensemble	26901	14513	16961	21364	29432	43001	56340	103938	2.96	2.01	1.47
2015	Ensemble	26743	14463	16905	21234	29244	42719	55953	103166	2.95	2.01	1.47
2014	Ensemble	26435	14375	16797	21072	28915	42156	55189	101621	2.93	2.00	1.47
2013	Ensemble	26166	14302	16711	20943	28636	41514	54441	100390	2.90	1.98	1.46
2012	Ensemble	26000	14257	16634	20776	28361	41211	54046	99896	2.89	1.98	1.46
2011	Ensemble	25611	13979	16367	20495	27917	40504	53306	98842	2.90	1.98	1.47
2010	Ensemble	24992	13652	15989	20018	27231	39366	52230	96546	2.88	1.97	1.47
2009	Ensemble	24497	13469	15731	19655	26742	38607	51144	94544	2.87	1.96	1.46
2008	Ensemble	24176	13189	15387	19253	26186	37966	50669	95317	2.88	1.97	1.46
2007	Ensemble	23454	12756	14886	18617	25380	36935	49202	91834	2.90	1.98	1.46
2006	Ensemble	22733	12479	14510	18135	24716	35864	47775	88548	2.87	1.98	1.45
2005	Ensemble	22323	12297	14246	17836	24335	35346	47059	86767	2.87	1.98	1.45
2004	Ensemble	21705	11845	13777	17346	23730	34349	45923	84760	2.90	1.98	1.46
2003	Ensemble	21224	11481	13434	17017	23314	33671	45009	82548	2.93	1.98	1.48
2002	Ensemble	20786	11249	13160	16654	22833	33036	44228	80904	2.94	1.98	1.48
2001	Ensemble	20356	10948	12803	16243	22318	32467	43673	80523	2.97	2.00	1.48
2000	Ensemble	19893	10585	12474	15904	21920	31625	42670	79859	2.99	1.99	1.50
1999	Ensemble	19484	10429	12283	15681	21569	30959	41654	76950	2.97	1.97	1.50
1998	Ensemble	19088	10264	12121	15483	21180	30259	40636	74330	2.95	1.95	1.51
1997	Ensemble	18795	9995	11855	15223	20829	29813	40121	74007	2.98	1.96	1.52
1996	Ensemble	18459	9737	11596	14941	20451	29416	39680	73098	3.02	1.97	1.53