Last data update: 30 sept. 2026, 20:22
Last compile: 30 sept. 2026, 20:22
Figure 1 : parc de logements en 1982 et en 2026
Code
fig1 |>
filter(zone == "France hors Mayotte", categorie != "Ensemble",
indicateur %in% c("logements_1982", "logements_2026")) |>
mutate(annee = recode(indicateur, logements_1982 = "1982", logements_2026 = "2026"),
categorie = fct_relevel(categorie, names(categories_couleurs))) |>
ggplot(aes(x = annee, y = valeur / 1000, fill = categorie)) +
geom_col(position = "stack") +
scale_fill_manual(values = categories_couleurs, name = NULL) +
theme_minimal(base_size = 11) +
labs(x = NULL, y = "Millions de logements",
title = "Parc de logements",
subtitle = "France hors Mayotte, 1982 vs. 2026") +
theme(legend.position = "bottom", panel.grid.minor = element_blank()) +
guides(fill = guide_legend(ncol = 1))
Figure 2 : évolution du nombre de logements et de la population depuis 1982
Code
fig2 |>
ggplot(aes(x = annee, y = valeur, color = indicateur)) +
geom_line(linewidth = 1) +
scale_color_brewer(palette = "Set1", name = NULL) +
theme_minimal(base_size = 9) +
labs(x = NULL, y = "Base 100 en 1982",
title = "Évolution du nombre de logements et de la population",
subtitle = "France hors Mayotte, depuis 1982") +
theme(legend.position = "bottom", panel.grid.minor = element_blank()) +
guides(color = guide_legend(ncol = 2))
Figure 3 : répartition du parc par catégorie de logement depuis 1982
Code
fig3 |>
mutate(categorie = fct_relevel(categorie, names(categories_couleurs))) |>
ggplot(aes(x = annee, y = valeur / 100, fill = categorie)) +
geom_area(position = "stack") +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
scale_fill_manual(values = categories_couleurs, name = NULL) +
theme_minimal(base_size = 10) +
labs(x = NULL, y = NULL,
title = "Répartition du parc de logements",
subtitle = "par catégorie, depuis 1982") +
theme(legend.position = "bottom", panel.grid.minor = element_blank()) +
guides(fill = guide_legend(ncol = 1))
Figure 4 : part de l’habitat individuel par catégorie depuis 1982
Code
fig4 |>
ggplot(aes(x = annee, y = valeur / 100, color = categorie)) +
geom_line(linewidth = 1) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
scale_color_brewer(palette = "Set2", name = NULL) +
theme_minimal(base_size = 9) +
labs(x = NULL, y = NULL,
title = "Part de l'habitat individuel",
subtitle = "par catégorie de logement, depuis 1982") +
theme(legend.position = "bottom", panel.grid.minor = element_blank()) +
guides(color = guide_legend(ncol = 1))
Figure 5 : résidences principales par statut d’occupation depuis 1982
Code
fig5 |>
filter(statut %in% c("Ensemble des propriétaires", "Ensemble des locataires", "Logés gratuitement")) |>
ggplot(aes(x = annee, y = valeur / 100, fill = statut)) +
geom_area(position = "stack") +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
scale_fill_brewer(palette = "Set2", name = NULL) +
theme_minimal(base_size = 10) +
labs(x = NULL, y = NULL,
title = "Statut d'occupation des résidences principales",
subtitle = "depuis 1982") +
theme(legend.position = "bottom", panel.grid.minor = element_blank())
Code
fig5 |>
filter(statut %in% c("Propriétaires sans charge de remboursement", "Accédants à la propriété",
"Bailleurs publics", "Bailleurs privés")) |>
ggplot(aes(x = annee, y = valeur / 100, color = statut)) +
geom_line(linewidth = 1) +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
scale_color_brewer(palette = "Set1", name = NULL) +
theme_minimal(base_size = 9) +
labs(x = NULL, y = NULL,
title = "Détail du statut d'occupation des résidences principales",
subtitle = "depuis 1982") +
theme(legend.position = "bottom", panel.grid.minor = element_blank()) +
guides(color = guide_legend(ncol = 1))
Figure 6 : répartition des logements par taille d’unité urbaine (2026)
Code
taille_ordre <- c("Unité urbaine de Paris", "Unités urbaines de 100 000 habitants ou plus (hors Paris)",
"Unités urbaines de moins de 100 000 habitants", "Communes hors unité urbaine",
"Ensemble des communes")
fig6 |>
mutate(taille_uu = fct_relevel(taille_uu, taille_ordre),
categorie = fct_relevel(categorie, names(categories_couleurs))) |>
ggplot(aes(x = taille_uu, y = valeur / 100, fill = categorie)) +
geom_col(position = "stack") +
coord_flip() +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
scale_fill_manual(values = categories_couleurs, name = NULL) +
theme_minimal(base_size = 9) +
labs(x = NULL, y = NULL,
title = "Répartition des logements par catégorie",
subtitle = "selon la taille de l'unité urbaine, au 1er janvier 2026") +
theme(legend.position = "bottom", panel.grid.minor = element_blank()) +
guides(fill = guide_legend(ncol = 1))
Tableau complémentaire : logements par type d’habitat et taille d’unité urbaine
Code
tc |>
filter(taille_uu != "Ensemble des communes", type_habitat != "Ensemble",
categorie == "ensemble_logements") |>
mutate(taille_uu = fct_relevel(taille_uu, taille_ordre)) |>
ggplot(aes(x = taille_uu, y = valeur / 1000, fill = type_habitat)) +
geom_col(position = "fill") +
coord_flip() +
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
scale_fill_manual(values = c("Individuel" = "#1B3F8B", "Collectif" = "#E8737A"), name = NULL) +
theme_minimal(base_size = 10) +
labs(x = NULL, y = NULL,
title = "Part de l'habitat individuel vs. collectif",
subtitle = "selon la taille de l'unité urbaine, au 1er janvier 2026") +
theme(legend.position = "bottom", panel.grid.minor = element_blank())