Dépenses de consommation des ménages aux prix courants (données CVS-CJO)

Data - INSEE

Auteur

François Geerolf

Info

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

LAST_COMPILE

LAST_COMPILE
2025-12-27

variable

Code 
t_conso_val %>%
  left_join(variable, by = "variable") %>%
  group_by(variable, Variable) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional
variable Variable Nobs
(CHTR) Correction territoriale 307
(DE) à (C5) Industrie 307
(FZ) à (RU) Total services 307
(GZ) à (MN), (RU) Services marchands 307
AZ Produits agricoles 307
C Produits manufacturés 307
C1 Produits agro-alimentaires 307
C2 Cokéfaction et raffinage 307
C3 Biens d'équipement 307
C4 Matériels de transport 307
C5 Autres produits industriels 307
DE Energie, eau, déchets 307
FZ Construction 307
GZ Commerce 307
HZ Transport 307
IZ Hébergement-restauration 307
JZ Information-communication 307
KZ Services financiers 307
LZ Services immobiliers 307
MN Services aux entreprises 307
OQ Services non marchands 307
RU Services aux ménages 307
TOTAL Total 307

date

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

Evolution

2017T2-

Code 
t_conso_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
(CHTR) Correction territoriale -2.454 -5.289 115.53
KZ Services financiers 17.969 31.306 74.22
IZ Hébergement-restauration 20.956 34.220 63.29
MN Services aux entreprises 7.385 11.701 58.44
RU Services aux ménages 11.285 16.473 45.97
GZ Commerce 1.145 1.651 44.19
DE Energie, eau, déchets 13.205 18.911 43.21
(GZ) à (MN), (RU) Services marchands 141.927 200.007 40.92
FZ Construction 5.370 7.556 40.71
HZ Transport 9.590 13.374 39.46
(FZ) à (RU) Total services 163.146 227.019 39.15
TOTAL Total 297.740 385.888 29.61
C1 Produits agro-alimentaires 42.302 52.757 24.72
LZ Services immobiliers 62.418 77.637 24.38
AZ Produits agricoles 7.542 9.315 23.51
OQ Services non marchands 15.850 19.456 22.75
JZ Information-communication 11.178 13.645 22.07
(DE) à (C5) Industrie 129.505 154.844 19.57
C2 Cokéfaction et raffinage 11.658 13.652 17.10
C Produits manufacturés 116.300 135.933 16.88
C4 Matériels de transport 16.387 18.792 14.68
C5 Autres produits industriels 37.024 41.207 11.30
C3 Biens d'équipement 8.929 9.525 6.67

2019T4-

Code 
t_conso_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
C2 Cokéfaction et raffinage 13.191 13.652 3.49
C3 Biens d'équipement 9.187 9.525 3.68
C4 Matériels de transport 17.764 18.792 5.79
C5 Autres produits industriels 37.742 41.207 9.18
C Produits manufacturés 122.206 135.933 11.23
(DE) à (C5) Industrie 136.297 154.844 13.61
JZ Information-communication 11.853 13.645 15.12
AZ Produits agricoles 8.059 9.315 15.59
OQ Services non marchands 16.595 19.456 17.24
LZ Services immobiliers 66.061 77.637 17.52
C1 Produits agro-alimentaires 44.322 52.757 19.03
TOTAL Total 317.841 385.888 21.41
GZ Commerce 1.324 1.651 24.70
(FZ) à (RU) Total services 176.506 227.019 28.62
FZ Construction 5.836 7.556 29.47
(GZ) à (MN), (RU) Services marchands 154.075 200.007 29.81
HZ Transport 10.199 13.374 31.13
RU Services aux ménages 12.518 16.473 31.59
DE Energie, eau, déchets 14.091 18.911 34.21
MN Services aux entreprises 8.436 11.701 38.70
IZ Hébergement-restauration 24.625 34.220 38.96
KZ Services financiers 19.060 31.306 64.25
(CHTR) Correction territoriale -3.020 -5.289 75.13

2 years

Code 
t_conso_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
(CHTR) Correction territoriale -3.497 -5.289 51.24
MN Services aux entreprises 10.531 11.701 11.11
RU Services aux ménages 14.983 16.473 9.94
IZ Hébergement-restauration 31.445 34.220 8.82
OQ Services non marchands 18.080 19.456 7.61
HZ Transport 12.520 13.374 6.82
LZ Services immobiliers 72.680 77.637 6.82
DE Energie, eau, déchets 17.737 18.911 6.62
(GZ) à (MN), (RU) Services marchands 187.947 200.007 6.42
(FZ) à (RU) Total services 213.338 227.019 6.41
FZ Construction 7.310 7.556 3.37
TOTAL Total 374.365 385.888 3.08
GZ Commerce 1.613 1.651 2.36
AZ Produits agricoles 9.110 9.315 2.25
JZ Information-communication 13.372 13.645 2.04
KZ Services financiers 30.804 31.306 1.63
C5 Autres produits industriels 40.802 41.207 0.99
(DE) à (C5) Industrie 155.414 154.844 -0.37
C1 Produits agro-alimentaires 52.953 52.757 -0.37
C Produits manufacturés 137.677 135.933 -1.27
C3 Biens d'équipement 9.721 9.525 -2.02
C4 Matériels de transport 19.190 18.792 -2.07
C2 Cokéfaction et raffinage 15.011 13.652 -9.05

Last year

Code 
t_conso_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
(CHTR) Correction territoriale -4.343 -5.289 21.78
MN Services aux entreprises 11.218 11.701 4.31
IZ Hébergement-restauration 33.034 34.220 3.59
LZ Services immobiliers 75.270 77.637 3.14
AZ Produits agricoles 9.095 9.315 2.42
OQ Services non marchands 19.025 19.456 2.27
FZ Construction 7.438 7.556 1.59
(FZ) à (RU) Total services 223.719 227.019 1.48
(GZ) à (MN), (RU) Services marchands 197.256 200.007 1.39
HZ Transport 13.228 13.374 1.10
C4 Matériels de transport 18.639 18.792 0.82
C1 Produits agro-alimentaires 52.540 52.757 0.41
C3 Biens d'équipement 9.490 9.525 0.37
C5 Autres produits industriels 41.054 41.207 0.37
TOTAL Total 384.525 385.888 0.35
C Produits manufacturés 135.986 135.933 -0.04
GZ Commerce 1.655 1.651 -0.24
(DE) à (C5) Industrie 156.054 154.844 -0.78
JZ Information-communication 13.754 13.645 -0.79
KZ Services financiers 31.764 31.306 -1.44
C2 Cokéfaction et raffinage 14.263 13.652 -4.28
RU Services aux ménages 17.334 16.473 -4.97
DE Energie, eau, déchets 20.069 18.911 -5.77

Consommation, Services financiers

2017-

Code 
t_conso_val %>%
  filter(variable %in% c("AZ", "C1", "KZ"),
         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))

Produits agricoles

1949-

Code 
t_conso_val %>%
  filter(variable %in% c("AZ")) %>%
  group_by(variable) %>%
  arrange(date) %>%
  mutate(value = 100*value/value[1]) %>%
  left_join(variable, by = "variable") %>%
  ggplot + geom_line(aes(x = date, y = value)) +
  theme_minimal() + ylab("Consommation trimestrielle de produits agricoles") + xlab("") +
  theme(legend.title = element_blank(),
        legend.position = c(0.2, 0.9)) +
  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))

Consommation alimentaire

1949-

Code 
t_conso_val %>%
  filter(variable %in% c("AZ", "C1")) %>%
  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_conso_val %>%
  filter(variable %in% c("AZ", "C1"),
         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_conso_val %>%
  filter(variable %in% c("AZ", "C1"),
         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))