Biens - Equilibre emplois-ressources - valeurs aux prix courants

Data - INSEE

Author

François Geerolf

Info

source dataset Title .html .rData
insee t_biens_val Biens - Equilibre emplois-ressources - valeurs aux prix courants 2025-10-10 2025-08-29

Données sur la macroéconomie en France

source dataset Title .html .rData
bdf CFT Comptes Financiers Trimestriels 2025-08-28 2025-03-09
insee CNA-2014-CONSO-SI Dépenses de consommation finale par secteur institutionnel 2025-10-10 2025-10-09
insee CNA-2014-CSI Comptes des secteurs institutionnels 2025-10-10 2025-10-09
insee CNA-2014-FBCF-BRANCHE Formation brute de capital fixe (FBCF) par branche 2025-10-10 2025-10-09
insee CNA-2014-FBCF-SI Formation brute de capital fixe (FBCF) par secteur institutionnel 2025-10-10 2025-10-09
insee CNA-2014-RDB Revenu et pouvoir d’achat des ménages 2025-10-10 2025-10-09
insee CNA-2020-CONSO-MEN Consommation des ménages 2025-10-10 2025-09-30
insee CNA-2020-PIB Produit intérieur brut (PIB) et ses composantes 2025-10-10 2025-05-28
insee CNT-2014-CB Comptes des branches 2025-10-10 2025-10-09
insee CNT-2014-CSI Comptes de secteurs institutionnels 2025-10-10 2025-10-09
insee CNT-2014-OPERATIONS Opérations sur biens et services 2025-10-10 2025-10-09
insee CNT-2014-PIB-EQB-RF Équilibre du produit intérieur brut 2025-10-10 2025-10-09
insee CONSO-MENAGES-2020 Consommation des ménages en biens 2025-10-10 2025-10-09
insee ICA-2015-IND-CONS Indices de chiffre d'affaires dans l'industrie et la construction 2025-10-10 2025-10-09
insee conso-mensuelle Consommation de biens, données mensuelles 2025-10-10 2023-07-04
insee t_1101 1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros) 2025-10-10 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) 2025-10-10 2020-10-30
insee t_1105 1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105 2025-10-10 2020-10-30

LAST_COMPILE

LAST_COMPILE
2025-10-11

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 306
P1 Production 306
P2 Emplois intermédiaires 306
P3 Dépenses de consommation 306
P31G Dépenses de consommation individualisables des APU 306
P3M Dépenses de consommation des ménages 306
P51 FBCF totale 306
P51G FBCF des APU 306
P51S FBCF des ENF (y.c. EI) 306
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur 306
P6 Exportations 306
P7 Importations 306
P9 Marges 306

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 2025-04-01 change
P51G FBCF des APU 2.085 3.058 46.67
P31G Dépenses de consommation individualisables des APU 8.073 11.272 39.63
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur 3.297 4.368 32.48
P2 Emplois intermédiaires 233.163 305.327 30.95
P9 Marges 98.146 128.244 30.67
P7 Importations 140.461 181.499 29.22
P1 Production 262.915 326.528 24.20
P6 Exportations 128.359 159.350 24.14
P51 FBCF totale 28.573 34.706 21.46
P3 Dépenses de consommation 145.111 174.918 20.54
P51S FBCF des ENF (y.c. EI) 24.867 29.770 19.72
P3M Dépenses de consommation des ménages 137.038 163.645 19.42
D2N Impôts nets de subventions sur produits 36.981 42.398 14.65

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 2025-04-01 change
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur -0.760 4.368 -674.74
D2N Impôts nets de subventions sur produits 38.971 42.398 8.79
P51S FBCF des ENF (y.c. EI) 27.287 29.770 9.10
P51 FBCF totale 31.531 34.706 10.07
P3M Dépenses de consommation des ménages 144.353 163.645 13.36
P3 Dépenses de consommation 152.912 174.918 14.39
P6 Exportations 136.400 159.350 16.83
P1 Production 274.305 326.528 19.04
P9 Marges 106.203 128.244 20.75
P7 Importations 149.983 181.499 21.01
P2 Emplois intermédiaires 249.379 305.327 22.43
P51G FBCF des APU 2.399 3.058 27.47
P31G Dépenses de consommation individualisables des APU 8.559 11.272 31.70

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 2023-04-01 2025-04-01 change
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur 2.359 4.368 85.16
D2N Impôts nets de subventions sur produits 35.031 42.398 21.03
P31G Dépenses de consommation individualisables des APU 10.591 11.272 6.43
P3 Dépenses de consommation 172.551 174.918 1.37
P3M Dépenses de consommation des ménages 161.960 163.645 1.04
P9 Marges 129.088 128.244 -0.65
P51 FBCF totale 36.356 34.706 -4.54
P51S FBCF des ENF (y.c. EI) 31.201 29.770 -4.59
P6 Exportations 168.393 159.350 -5.37
P7 Importations 192.396 181.499 -5.66
P2 Emplois intermédiaires 327.763 305.327 -6.85
P1 Production 350.908 326.528 -6.95
P51G FBCF des APU 3.440 3.058 -11.10

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 2024-04-01 2025-04-01 change
D2N Impôts nets de subventions sur produits 40.773 42.398 3.99
P31G Dépenses de consommation individualisables des APU 10.919 11.272 3.23
P9 Marges 127.432 128.244 0.64
P3 Dépenses de consommation 175.549 174.918 -0.36
P3M Dépenses de consommation des ménages 164.630 163.645 -0.60
P1 Production 331.098 326.528 -1.38
P7 Importations 184.629 181.499 -1.70
P2 Emplois intermédiaires 313.221 305.327 -2.52
P6 Exportations 164.231 159.350 -2.97
P51S FBCF des ENF (y.c. EI) 30.880 29.770 -3.59
P51 FBCF totale 36.326 34.706 -4.46
P51G FBCF des APU 3.471 3.058 -11.90
P54 Variations de stocks + acquisitions moins cessions d'objets de valeur -5.394 4.368 -180.98

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))