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

Data - INSEE

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 2025-10-10 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_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 306
(DE) à (C5) Industrie 306
(FZ) à (RU) Total services 306
(GZ) à (MN), (RU) Services marchands 306
AZ Produits agricoles 306
C Produits manufacturés 306
C1 Produits agro-alimentaires 306
C2 Cokéfaction et raffinage 306
C3 Biens d'équipement 306
C4 Matériels de transport 306
C5 Autres produits industriels 306
DE Energie, eau, déchets 306
FZ Construction 306
GZ Commerce 306
HZ Transport 306
IZ Hébergement-restauration 306
JZ Information-communication 306
KZ Services financiers 306
LZ Services immobiliers 306
MN Services aux entreprises 306
OQ Services non marchands 306
RU Services aux ménages 306
TOTAL Total 306

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 2025-04-01 change
(CHTR) Correction territoriale -2.576 -4.792 86.02
IZ Hébergement-restauration 22.112 29.268 32.36
MN Services aux entreprises 7.732 9.667 25.03
RU Services aux ménages 11.787 14.606 23.92
JZ Information-communication 11.008 13.629 23.81
C3 Biens d'équipement 8.187 9.845 20.25
(GZ) à (MN), (RU) Services marchands 146.054 172.193 17.90
(FZ) à (RU) Total services 168.026 195.778 16.52
LZ Services immobiliers 63.519 71.978 13.32
FZ Construction 5.689 6.422 12.88
KZ Services financiers 18.781 20.822 10.87
HZ Transport 9.868 10.822 9.67
TOTAL Total 308.631 329.108 6.63
OQ Services non marchands 16.284 17.181 5.51
GZ Commerce 1.252 1.310 4.63
C5 Autres produits industriels 37.251 37.601 0.94
C Produits manufacturés 120.335 117.826 -2.09
(DE) à (C5) Industrie 134.514 130.929 -2.67
C4 Matériels de transport 16.778 16.228 -3.28
C1 Produits agro-alimentaires 45.961 43.204 -6.00
DE Energie, eau, déchets 14.177 13.199 -6.90
C2 Cokéfaction et raffinage 12.013 10.986 -8.55
AZ Produits agricoles 8.704 7.596 -12.73

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 2025-04-01 change
AZ Produits agricoles 8.514 7.596 -10.78
C4 Matériels de transport 17.743 16.228 -8.54
DE Energie, eau, déchets 14.121 13.199 -6.53
C2 Cokéfaction et raffinage 11.738 10.986 -6.41
C1 Produits agro-alimentaires 44.999 43.204 -3.99
(DE) à (C5) Industrie 135.906 130.929 -3.66
C Produits manufacturés 121.777 117.826 -3.24
GZ Commerce 1.344 1.310 -2.53
C5 Autres produits industriels 37.940 37.601 -0.89
TOTAL Total 318.548 329.108 3.32
OQ Services non marchands 16.606 17.181 3.46
HZ Transport 10.163 10.822 6.48
C3 Biens d'équipement 9.098 9.845 8.21
KZ Services financiers 19.227 20.822 8.30
LZ Services immobiliers 66.243 71.978 8.66
FZ Construction 5.880 6.422 9.22
(FZ) à (RU) Total services 177.137 195.778 10.52
(GZ) à (MN), (RU) Services marchands 154.650 172.193 11.34
MN Services aux entreprises 8.435 9.667 14.61
JZ Information-communication 11.844 13.629 15.07
RU Services aux ménages 12.611 14.606 15.82
IZ Hébergement-restauration 24.814 29.268 17.95
(CHTR) Correction territoriale -3.034 -4.792 57.94

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 2023-04-01 2025-04-01 change
(CHTR) Correction territoriale -3.494 -4.792 37.15
RU Services aux ménages 13.649 14.606 7.01
JZ Information-communication 12.824 13.629 6.28
HZ Transport 10.240 10.822 5.68
IZ Hébergement-restauration 28.059 29.268 4.31
(GZ) à (MN), (RU) Services marchands 165.840 172.193 3.83
(FZ) à (RU) Total services 188.886 195.778 3.65
C2 Cokéfaction et raffinage 10.601 10.986 3.63
OQ Services non marchands 16.591 17.181 3.56
C3 Biens d'équipement 9.515 9.845 3.47
LZ Services immobiliers 69.863 71.978 3.03
MN Services aux entreprises 9.393 9.667 2.92
KZ Services financiers 20.294 20.822 2.60
TOTAL Total 324.152 329.108 1.53
AZ Produits agricoles 7.583 7.596 0.17
C Produits manufacturés 117.887 117.826 -0.05
C5 Autres produits industriels 37.703 37.601 -0.27
(DE) à (C5) Industrie 131.434 130.929 -0.38
C1 Produits agro-alimentaires 43.501 43.204 -0.68
FZ Construction 6.473 6.422 -0.79
C4 Matériels de transport 16.636 16.228 -2.45
DE Energie, eau, déchets 13.559 13.199 -2.66
GZ Commerce 1.376 1.310 -4.80

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 2024-04-01 2025-04-01 change
(CHTR) Correction territoriale -3.722 -4.792 28.75
IZ Hébergement-restauration 28.407 29.268 3.03
JZ Information-communication 13.237 13.629 2.96
C2 Cokéfaction et raffinage 10.739 10.986 2.30
HZ Transport 10.619 10.822 1.91
(GZ) à (MN), (RU) Services marchands 169.092 172.193 1.83
(FZ) à (RU) Total services 192.588 195.778 1.66
AZ Produits agricoles 7.472 7.596 1.66
KZ Services financiers 20.506 20.822 1.54
LZ Services immobiliers 70.925 71.978 1.48
RU Services aux ménages 14.411 14.606 1.35
C1 Produits agro-alimentaires 42.663 43.204 1.27
MN Services aux entreprises 9.554 9.667 1.18
C3 Biens d'équipement 9.735 9.845 1.13
TOTAL Total 326.947 329.108 0.66
C5 Autres produits industriels 37.391 37.601 0.56
OQ Services non marchands 17.102 17.181 0.46
C Produits manufacturés 117.307 117.826 0.44
FZ Construction 6.418 6.422 0.06
(DE) à (C5) Industrie 130.959 130.929 -0.02
GZ Commerce 1.339 1.310 -2.17
DE Energie, eau, déchets 13.646 13.199 -3.28
C4 Matériels de transport 16.867 16.228 -3.79

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))