Indices trimestriels de salaires dans le secteur privé

Données - INSEE

Auteur

François Geerolf

Info

Last observation: 2026-Q1

First observation: 2017-Q2

Number of observations: 4 640

Last data update: 26 jul 2026, 02:32. Last compile: 26 jul 2026, 05:40

Structure

Données sur les salaires

source dataset Title .html .rData
insee SALAIRES-ACEMO-2017 Indices trimestriels de salaires dans le secteur privé 2026-07-24 2026-07-24
dares les-indices-de-salaire-de-base Les indices de salaire de base 2026-07-20 2026-05-21
insee CNA-2014-RDB Revenu et pouvoir d’achat des ménages 2026-07-24 2026-07-24
insee CNT-2014-CSI Comptes de secteurs institutionnels 2026-07-24 2026-07-24
insee ECRT2023 Emploi, chômage, revenus du travail - Edition 2023 2026-07-24 2023-06-30
insee INDICE-TRAITEMENT-FP Indice de traitement brut dans la fonction publique de l'État 2026-07-24 2026-07-23
insee SALAIRES-ACEMO Indices trimestriels de salaires dans le secteur privé - Résultats par secteur d’activité 2026-07-24 2026-07-24
insee SALAIRES-ANNUELS Salaires annuels 2026-07-24 2026-07-24
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 %) 2026-07-24 2025-12-14
insee T_7401 7.401 – Compte des ménages (S14) (En milliards d'euros) 2026-07-24 2025-12-14
insee if230 Séries longues sur les salaires dans le secteur privé 2026-07-24 2021-12-04
insee ir_salaires_SL_23_csv NA NA NA
insee ir_salaires_SL_csv NA NA NA
insee t_salaire_val Salaire moyen par tête - SMPT (données CVS) 2026-07-24 2026-02-27

LAST_COMPILE

LAST_COMPILE
2026-07-26

Last

Code 
`SALAIRES-ACEMO-2017` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  head(1) %>%
  print_table_conditional()
TIME_PERIOD Nobs
2026-Q1 129

First

Code 
`SALAIRES-ACEMO-2017` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(TIME_PERIOD)) %>%
  tail(1) %>%
  print_table_conditional()
TIME_PERIOD Nobs
2017-Q2 128

Définitions

  • ACEMO: Activité et Conditions d’Emploi de la Main-d’Oeuvre. pdf

  • Le salaire mensuel de base (SMB) correspond au salaire brut avant déduction des cotisations sociales et avant versement des prestations sociales. Il ne comprend ni les primes ni les heures supplémentaires. Son montant correspond généralement à celui de la première ligne du bulletin de paye d’un salarié.

SMPT vs SMB

Code 
ig_b("insee", "ndc-octobre-2021", "salaires")

Code 
ig_b("insee", "ndc-octobre-2021", "salaires-evolution")

Ensemble des secteurs non agricoles

ACEMO, ACEMO-2017

Join

Code 
`SALAIRES-ACEMO-2017` %>%
  bind_rows(`SALAIRES-ACEMO`) %>%
  filter(NAF2 == "ENS_H_AZ",
         NATURE == "INDICE",
         INDICATEURS_ACEMO == "ISMS") %>%
  quarter_to_date %>%
  arrange(date) %>%
  
  group_by(REF_AREA) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = REF_AREA)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.8)) +
  scale_x_date(breaks = seq(1950, 2100, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(10, 200, 5))

Base 1999 = 100

Code 
`SALAIRES-ACEMO-2017` %>%
  bind_rows(`SALAIRES-ACEMO`) %>%
  filter(NAF2 == "ENS_H_AZ",
         NATURE == "INDICE",
         INDICATEURS_ACEMO == "ISMS") %>%
  quarter_to_date %>%
  arrange(date) %>%
  
  group_by(REF_AREA) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
  ungroup %>%
  filter(date >= as.Date("1999-01-01")) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("1999-01-01")]) %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = REF_AREA)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.8)) +
  scale_x_date(breaks = seq(1999, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(10, 200, 5))

All

Code 
`SALAIRES-ACEMO-2017` %>%
  filter(NAF2 == "ENS_H_AZ",
         NATURE == "INDICE") %>%
  quarter_to_date %>%
  arrange(date) %>%
  
  group_by(Indicateurs_acemo) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Indicateurs_acemo)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.8)) +
  scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 200, 1))

Matériel de transport

All

Code 
`SALAIRES-ACEMO-2017` %>%
  filter(NAF2 == "A17-C4",
         NATURE == "INDICE") %>%
  quarter_to_date %>%
  arrange(date) %>%
  
  group_by(Indicateurs_acemo) %>%
  mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[date == as.Date("2017-04-01")]) %>%
  ggplot(.) + theme_minimal() + ylab("") + xlab("") +
  geom_line(aes(x = date, y = OBS_VALUE, color = Indicateurs_acemo)) +
  theme(legend.title = element_blank(),
        legend.position = c(0.3, 0.8)) +
  scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 200, 1))