Dépenses de consommation des ménages - volumes aux prix de l’année précédente chaînés (données CVS-CJO), base 2014

Data - INSEE

Auteur

François Geerolf

Info

source dataset Title .html .rData
insee t_conso_vol Dépenses de consommation des ménages - volumes aux prix de l'année précédente chaînés (données CVS-CJO), base 2014 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_vol %>%
  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_vol %>%
  group_by(date) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(date)) %>%
  print_table_conditional

Evolution

2017T2-

Code 
t_conso_vol %>%
  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 -2.574 -4.509 75.17
IZ Hébergement-restauration 22.112 28.986 31.09
MN Services aux entreprises 7.732 9.861 27.53
RU Services aux ménages 11.785 14.678 24.55
JZ Information-communication 11.008 13.642 23.93
C3 Biens d'équipement 8.187 9.988 22.00
(GZ) à (MN), (RU) Services marchands 146.052 172.382 18.03
(FZ) à (RU) Total services 168.026 195.866 16.57
LZ Services immobiliers 63.519 72.119 13.54
FZ Construction 5.689 6.353 11.67
KZ Services financiers 18.781 20.922 11.40
HZ Transport 9.868 10.777 9.21
TOTAL Total 308.641 329.467 6.75
OQ Services non marchands 16.286 17.149 5.30
GZ Commerce 1.252 1.295 3.43
C5 Autres produits industriels 37.251 37.533 0.76
C4 Matériels de transport 16.779 16.371 -2.43
C Produits manufacturés 120.343 117.192 -2.62
(DE) à (C5) Industrie 134.521 130.965 -2.64
DE Energie, eau, déchets 14.176 13.741 -3.07
C1 Produits agro-alimentaires 45.961 42.697 -7.10
C2 Cokéfaction et raffinage 12.019 10.730 -10.72
AZ Produits agricoles 8.704 7.550 -13.26

2019T4-

Code 
t_conso_vol %>%
  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
AZ Produits agricoles 8.513 7.550 -11.31
C2 Cokéfaction et raffinage 11.725 10.730 -8.49
C4 Matériels de transport 17.746 16.371 -7.75
C1 Produits agro-alimentaires 44.999 42.697 -5.12
C Produits manufacturés 121.767 117.192 -3.76
GZ Commerce 1.345 1.295 -3.72
(DE) à (C5) Industrie 135.911 130.965 -3.64
DE Energie, eau, déchets 14.136 13.741 -2.79
C5 Autres produits industriels 37.942 37.533 -1.08
OQ Services non marchands 16.621 17.149 3.18
TOTAL Total 318.553 329.467 3.43
HZ Transport 10.163 10.777 6.04
FZ Construction 5.880 6.353 8.04
KZ Services financiers 19.227 20.922 8.82
LZ Services immobiliers 66.243 72.119 8.87
C3 Biens d'équipement 9.098 9.988 9.78
(FZ) à (RU) Total services 177.155 195.866 10.56
(GZ) à (MN), (RU) Services marchands 154.653 172.382 11.46
JZ Information-communication 11.844 13.642 15.18
RU Services aux ménages 12.614 14.678 16.36
IZ Hébergement-restauration 24.812 28.986 16.82
MN Services aux entreprises 8.437 9.861 16.88
(CHTR) Correction territoriale -3.050 -4.509 47.84

2 years

Code 
t_conso_vol %>%
  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 -3.030 -4.509 48.81
RU Services aux ménages 13.687 14.678 7.24
JZ Information-communication 13.071 13.642 4.37
MN Services aux entreprises 9.452 9.861 4.33
HZ Transport 10.337 10.777 4.26
C3 Biens d'équipement 9.629 9.988 3.73
(GZ) à (MN), (RU) Services marchands 166.683 172.382 3.42
IZ Hébergement-restauration 28.053 28.986 3.33
(FZ) à (RU) Total services 189.848 195.866 3.17
LZ Services immobiliers 70.167 72.119 2.78
OQ Services non marchands 16.717 17.149 2.58
KZ Services financiers 20.410 20.922 2.51
C2 Cokéfaction et raffinage 10.610 10.730 1.13
TOTAL Total 326.354 329.467 0.95
DE Energie, eau, déchets 13.617 13.741 0.91
C5 Autres produits industriels 37.487 37.533 0.12
AZ Produits agricoles 7.599 7.550 -0.64
(DE) à (C5) Industrie 132.187 130.965 -0.92
C Produits manufacturés 118.583 117.192 -1.17
FZ Construction 6.467 6.353 -1.76
C1 Produits agro-alimentaires 43.761 42.697 -2.43
C4 Matériels de transport 17.172 16.371 -4.66
GZ Commerce 1.365 1.295 -5.13

Last year

Code 
t_conso_vol %>%
  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 -3.716 -4.509 21.34
C3 Biens d'équipement 9.679 9.988 3.19
JZ Information-communication 13.378 13.642 1.97
KZ Services financiers 20.560 20.922 1.76
MN Services aux entreprises 9.705 9.861 1.61
IZ Hébergement-restauration 28.614 28.986 1.30
LZ Services immobiliers 71.193 72.119 1.30
HZ Transport 10.668 10.777 1.02
AZ Produits agricoles 7.489 7.550 0.81
(GZ) à (MN), (RU) Services marchands 171.264 172.382 0.65
(FZ) à (RU) Total services 194.791 195.866 0.55
OQ Services non marchands 17.132 17.149 0.10
TOTAL Total 329.868 329.467 -0.12
C5 Autres produits industriels 37.640 37.533 -0.28
C Produits manufacturés 117.752 117.192 -0.48
(DE) à (C5) Industrie 131.679 130.965 -0.54
C1 Produits agro-alimentaires 43.058 42.697 -0.84
FZ Construction 6.415 6.353 -0.97
C4 Matériels de transport 16.534 16.371 -0.99
DE Energie, eau, déchets 13.902 13.741 -1.16
C2 Cokéfaction et raffinage 10.882 10.730 -1.40
GZ Commerce 1.326 1.295 -2.34
RU Services aux ménages 15.774 14.678 -6.95

Consommation, Services financiers

2017-

Code 
t_conso_vol %>%
  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, 0.3)) +
  scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(70, 1000, 1))

Produits agricoles

1949-

Code 
t_conso_vol %>%
  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, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 1000, 10))

Alimentation, C1, Totale

1949-

Code 
t_conso_vol %>%
  filter(variable %in% c("AZ", "C1", "(DE) à (C5)")) %>%
  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(0.7, 0.3)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 1000, 50))

Consommation alimentaire

1949-

Code 
t_conso_vol %>%
  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(0.7, 0.3)) +
  scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(100, 1000, 50))

2010-

Code 
t_conso_vol %>%
  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, 0.3)) +
  scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(70, 1000, 1))

2017-

Code 
t_conso_vol %>%
  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, 0.3)) +
  scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(70, 1000, 1))