Biens - Equilibre emplois-ressources - valeurs aux prix courants

Data - INSEE

Auteur

François Geerolf

Info

source dataset Title .html .rData
insee t_biens_val Biens - Equilibre emplois-ressources - valeurs aux prix courants 2025-12-25 2025-12-27

Données sur la macroéconomie en France

source dataset Title .html .rData
bdf CFT Comptes Financiers Trimestriels 2025-12-24 2025-03-09
insee CNA-2014-CONSO-SI Dépenses de consommation finale par secteur institutionnel 2025-12-25 2025-12-27
insee CNA-2014-CSI Comptes des secteurs institutionnels 2025-12-25 2025-12-27
insee CNA-2014-FBCF-BRANCHE Formation brute de capital fixe (FBCF) par branche 2025-12-25 2025-12-27
insee CNA-2014-FBCF-SI Formation brute de capital fixe (FBCF) par secteur institutionnel 2025-12-25 2025-12-27
insee CNA-2014-RDB Revenu et pouvoir d’achat des ménages 2025-12-25 2025-12-27
insee CNA-2020-CONSO-MEN Consommation des ménages 2025-12-25 2025-09-30
insee CNA-2020-PIB Produit intérieur brut (PIB) et ses composantes 2025-12-25 2025-05-28
insee CNT-2014-CB Comptes des branches 2025-12-25 2025-12-27
insee CNT-2014-CSI Comptes de secteurs institutionnels 2025-12-25 2025-12-27
insee CNT-2014-OPERATIONS Opérations sur biens et services 2025-12-25 2025-12-27
insee CNT-2014-PIB-EQB-RF Équilibre du produit intérieur brut 2025-12-25 2025-12-27
insee CONSO-MENAGES-2020 Consommation des ménages en biens 2025-12-25 2025-12-27
insee ICA-2015-IND-CONS Indices de chiffre d'affaires dans l'industrie et la construction 2025-12-25 2025-12-27
insee conso-mensuelle Consommation de biens, données mensuelles 2025-12-25 2023-07-04
insee t_1101 1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros) 2025-12-25 2022-01-02
insee t_1102 1.102 – Le produit intérieur brut et ses composantes en volume aux prix de l'année précédente chaînés (En milliards d'euros 2014) 2025-12-25 2020-10-30
insee t_1105 1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105 2025-12-25 2020-10-30

LAST_COMPILE

LAST_COMPILE
2025-12-27

variable

Code 
t_biens_val %>%
  left_join(variable, by = "variable") %>%
  group_by(variable, Variable) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional
variable Variable Nobs
D2N Impôts nets de subventions sur produits 307
P1 Production 307
P2 Emplois intermédiaires 307
P3 Dépenses de consommation 307
P31G Dépenses de consommation individualisables des APU 307
P3M Dépenses de consommation des ménages 307
P51 FBCF totale 307
P51G FBCF des APU 307
P51S FBCF des ENF (y.c. EI) 307
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur 307
P6 Exportations 307
P7 Importations 307
P9 Marges 307

date

Code 
t_biens_val %>%
  group_by(date) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(date)) %>%
  print_table_conditional

Evolution

2017T2-

Code 
t_biens_val %>%
  left_join(variable, by = "variable") %>%
  filter(date %in% c(max(date), as.Date("2017-04-01"))) %>%
  spread(date, value) %>%
  mutate(change = round(100*(.[[4]]/.[[3]]-1), 2)) %>%
  arrange(-change) %>%
  print_table_conditional(.)
variable Variable 2017-04-01 2025-07-01 change
P51G FBCF des APU 2.085 3.134 50.31
P31G Dépenses de consommation individualisables des APU 8.076 11.413 41.32
P2 Emplois intermédiaires 233.169 308.434 32.28
P7 Importations 140.480 184.699 31.48
P9 Marges 98.141 128.595 31.03
P6 Exportations 128.377 166.854 29.97
P1 Production 262.930 331.068 25.91
P51 FBCF totale 28.572 35.203 23.21
P51S FBCF des ENF (y.c. EI) 24.866 30.211 21.50
P3 Dépenses de consommation 145.123 175.571 20.98
P3M Dépenses de consommation des ménages 137.047 164.158 19.78
D2N Impôts nets de subventions sur produits 36.983 42.647 15.32
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur 3.293 0.947 -71.24

2019T4-

Code 
t_biens_val %>%
  left_join(variable, by = "variable") %>%
  filter(date %in% c(max(date), as.Date("2019-10-01"))) %>%
  spread(date, value) %>%
  mutate(change = round(100*(.[[4]]/.[[3]]-1), 2)) %>%
  arrange(change) %>%
  print_table_conditional(.)
variable Variable 2019-10-01 2025-07-01 change
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur -0.829 0.947 -214.23
D2N Impôts nets de subventions sur produits 38.971 42.647 9.43
P51S FBCF des ENF (y.c. EI) 27.289 30.211 10.71
P51 FBCF totale 31.534 35.203 11.64
P3M Dépenses de consommation des ménages 144.355 164.158 13.72
P3 Dépenses de consommation 152.915 175.571 14.82
P1 Production 274.226 331.068 20.73
P9 Marges 106.203 128.595 21.08
P6 Exportations 136.371 166.854 22.35
P7 Importations 149.883 184.699 23.23
P2 Emplois intermédiaires 249.293 308.434 23.72
P51G FBCF des APU 2.399 3.134 30.64
P31G Dépenses de consommation individualisables des APU 8.560 11.413 33.33

2 years

Code 
t_biens_val %>%
  left_join(variable, by = "variable") %>%
  filter(date %in% c(max(date), max(date) - years(2))) %>%
  spread(date, value) %>%
  mutate(change = round(100*(.[[4]]/.[[3]]-1), 2)) %>%
  arrange(-change) %>%
  print_table_conditional(.)
variable Variable 2023-07-01 2025-07-01 change
D2N Impôts nets de subventions sur produits 35.774 42.647 19.21
P31G Dépenses de consommation individualisables des APU 10.855 11.413 5.14
P6 Exportations 164.354 166.854 1.52
P3 Dépenses de consommation 175.379 175.571 0.11
P3M Dépenses de consommation des ménages 164.524 164.158 -0.22
P9 Marges 129.017 128.595 -0.33
P7 Importations 189.332 184.699 -2.45
P1 Production 343.579 331.068 -3.64
P2 Emplois intermédiaires 321.777 308.434 -4.15
P51S FBCF des ENF (y.c. EI) 31.690 30.211 -4.67
P51 FBCF totale 36.968 35.203 -4.77
P51G FBCF des APU 3.495 3.134 -10.33
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur -0.776 0.947 -222.04

Last year

Code 
t_biens_val %>%
  left_join(variable, by = "variable") %>%
  filter(date %in% c(max(date), max(date) - years(1))) %>%
  spread(date, value) %>%
  mutate(change = round(100*(.[[4]]/.[[3]]-1), 2)) %>%
  arrange(-change) %>%
  print_table_conditional(.)
variable Variable 2024-07-01 2025-07-01 change
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur 0.219 0.947 332.42
P6 Exportations 158.900 166.854 5.01
D2N Impôts nets de subventions sur produits 40.634 42.647 4.95
P31G Dépenses de consommation individualisables des APU 11.033 11.413 3.44
P7 Importations 180.518 184.699 2.32
P51S FBCF des ENF (y.c. EI) 29.709 30.211 1.69
P9 Marges 127.134 128.595 1.15
P51 FBCF totale 35.047 35.203 0.45
P1 Production 331.998 331.068 -0.28
P3 Dépenses de consommation 176.182 175.571 -0.35
P2 Emplois intermédiaires 309.936 308.434 -0.48
P3M Dépenses de consommation des ménages 165.149 164.158 -0.60
P51G FBCF des APU 3.383 3.134 -7.36

P1, P2, P3

2017-

Code 
t_biens_val %>%
  filter(variable %in% c("P1", "P2", "P3"),
         date >= as.Date("2017-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(value = 100*value/value[1]) %>%
  left_join(variable, by = "variable") %>%
  ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + ylab("Consommation trimestrielle") + xlab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.2, 0.8)) +
  scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(70, 1000, 5))

P3, P3M

1949-

Code 
t_biens_val %>%
  filter(variable %in% c("P3", "P3M")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(value = 100*value/value[1]) %>%
  left_join(variable, by = "variable") %>%
  ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + ylab("Consommation trimestrielle") + xlab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.2, 0.8)) +
  scale_x_date(breaks = seq(1950, 2100, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(100, 200, 500, 800, 1000, 2000, 5000, 10000))

2010-

Code 
t_biens_val %>%
  filter(variable %in% c("P3", "P3M"),
         date >= as.Date("2010-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(value = 100*value/value[1]) %>%
  left_join(variable, by = "variable") %>%
  ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + ylab("Consommation trimestrielle") + xlab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.2, 0.8)) +
  scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(70, 1000, 5))

2017-

Code 
t_biens_val %>%
  filter(variable %in% c("P3", "P3M"),
         date >= as.Date("2017-01-01")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(value = 100*value/value[1]) %>%
  left_join(variable, by = "variable") %>%
  ggplot + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + ylab("Consommation trimestrielle") + xlab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.2, 0.8)) +
  scale_x_date(breaks = seq(1950, 2100, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(70, 1000, 2))