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 2026-03-12 2026-02-27

Données sur la macroéconomie en France

source dataset Title .html .rData
bdf CFT Comptes Financiers Trimestriels 2026-03-11 2025-03-09
insee CNA-2014-CONSO-SI Dépenses de consommation finale par secteur institutionnel 2026-03-12 2026-03-11
insee CNA-2014-CSI Comptes des secteurs institutionnels 2026-03-12 2026-03-11
insee CNA-2014-FBCF-BRANCHE Formation brute de capital fixe (FBCF) par branche 2026-03-12 2026-03-11
insee CNA-2014-FBCF-SI Formation brute de capital fixe (FBCF) par secteur institutionnel 2026-03-12 2026-03-11
insee CNA-2014-RDB Revenu et pouvoir d’achat des ménages 2026-03-12 2026-03-11
insee CNA-2020-CONSO-MEN Consommation des ménages 2026-03-12 2025-09-30
insee CNA-2020-PIB Produit intérieur brut (PIB) et ses composantes 2026-03-12 2025-05-28
insee CNT-2014-CB Comptes des branches 2026-03-12 2026-03-11
insee CNT-2014-CSI Comptes de secteurs institutionnels 2026-03-12 2026-03-11
insee CNT-2014-OPERATIONS Opérations sur biens et services 2026-03-12 2026-03-11
insee CNT-2014-PIB-EQB-RF Équilibre du produit intérieur brut 2026-03-12 2026-03-11
insee CONSO-MENAGES-2020 Consommation des ménages en biens 2026-03-12 2026-03-11
insee ICA-2015-IND-CONS Indices de chiffre d'affaires dans l'industrie et la construction 2026-03-12 2026-03-11
insee conso-mensuelle Consommation de biens, données mensuelles 2026-03-12 2023-07-04
insee t_1101 1.101 – Le produit intérieur brut et ses composantes à prix courants (En milliards d'euros) 2026-03-12 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) 2026-03-12 2020-10-30
insee t_1105 1.105 – Produit intérieur brut - les trois approches à prix courants (En milliards d'euros) - t_1105 2026-03-12 2020-10-30

LAST_COMPILE

LAST_COMPILE
2026-03-14

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 308
(DE) à (C5) Industrie 308
(FZ) à (RU) Total services 308
(GZ) à (MN), (RU) Services marchands 308
AZ Produits agricoles 308
C Produits manufacturés 308
C1 Produits agro-alimentaires 308
C2 Cokéfaction et raffinage 308
C3 Biens d'équipement 308
C4 Matériels de transport 308
C5 Autres produits industriels 308
DE Energie, eau, déchets 308
FZ Construction 308
GZ Commerce 308
HZ Transport 308
IZ Hébergement-restauration 308
JZ Information-communication 308
KZ Services financiers 308
LZ Services immobiliers 308
MN Services aux entreprises 308
OQ Services non marchands 308
RU Services aux ménages 308
TOTAL Total 308

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 2025-10-01 change
(CHTR) Correction territoriale -2.575 -4.309 67.34
IZ Hébergement-restauration 22.112 28.973 31.03
MN Services aux entreprises 7.731 9.961 28.84
C3 Biens d'équipement 8.187 10.254 25.25
RU Services aux ménages 11.784 14.547 23.45
JZ Information-communication 11.011 13.514 22.73
(GZ) à (MN), (RU) Services marchands 146.053 172.783 18.30
(FZ) à (RU) Total services 168.027 196.222 16.78
LZ Services immobiliers 63.518 72.397 13.98
KZ Services financiers 18.781 21.017 11.91
FZ Construction 5.689 6.341 11.46
HZ Transport 9.868 10.916 10.62
TOTAL Total 308.649 330.802 7.18
OQ Services non marchands 16.286 17.114 5.08
GZ Commerce 1.252 1.315 5.03
C5 Autres produits industriels 37.255 37.710 1.22
C4 Matériels de transport 16.778 16.550 -1.36
C Produits manufacturés 120.348 117.751 -2.16
(DE) à (C5) Industrie 134.529 131.557 -2.21
DE Energie, eau, déchets 14.179 13.779 -2.82
C1 Produits agro-alimentaires 45.964 42.573 -7.38
C2 Cokéfaction et raffinage 12.019 10.836 -9.84
AZ Produits agricoles 8.704 7.722 -11.28

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 2025-10-01 change
AZ Produits agricoles 8.514 7.722 -9.30
C2 Cokéfaction et raffinage 11.727 10.836 -7.60
C4 Matériels de transport 17.746 16.550 -6.74
C1 Produits agro-alimentaires 44.992 42.573 -5.38
C Produits manufacturés 121.754 117.751 -3.29
(DE) à (C5) Industrie 135.884 131.557 -3.18
DE Energie, eau, déchets 14.122 13.779 -2.43
GZ Commerce 1.345 1.315 -2.23
C5 Autres produits industriels 37.939 37.710 -0.60
OQ Services non marchands 16.616 17.114 3.00
TOTAL Total 318.525 330.802 3.85
HZ Transport 10.163 10.916 7.41
FZ Construction 5.880 6.341 7.84
LZ Services immobiliers 66.244 72.397 9.29
KZ Services financiers 19.227 21.017 9.31
(FZ) à (RU) Total services 177.153 196.222 10.76
(GZ) à (MN), (RU) Services marchands 154.655 172.783 11.72
C3 Biens d'équipement 9.093 10.254 12.77
JZ Information-communication 11.845 13.514 14.09
RU Services aux ménages 12.617 14.547 15.30
IZ Hébergement-restauration 24.812 28.973 16.77
MN Services aux entreprises 8.434 9.961 18.11
(CHTR) Correction territoriale -3.050 -4.309 41.28

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 2023-10-01 2025-10-01 change
(CHTR) Correction territoriale -2.924 -4.309 47.37
C3 Biens d'équipement 9.582 10.254 7.01
RU Services aux ménages 13.830 14.547 5.18
HZ Transport 10.435 10.916 4.61
DE Energie, eau, déchets 13.259 13.779 3.92
IZ Hébergement-restauration 27.895 28.973 3.86
MN Services aux entreprises 9.610 9.961 3.65
JZ Information-communication 13.049 13.514 3.56
(GZ) à (MN), (RU) Services marchands 167.252 172.783 3.31
(FZ) à (RU) Total services 190.717 196.222 2.89
C2 Cokéfaction et raffinage 10.539 10.836 2.82
LZ Services immobiliers 70.427 72.397 2.80
KZ Services financiers 20.496 21.017 2.54
AZ Produits agricoles 7.552 7.722 2.25
TOTAL Total 326.215 330.802 1.41
C5 Autres produits industriels 37.422 37.710 0.77
OQ Services non marchands 17.018 17.114 0.56
(DE) à (C5) Industrie 131.161 131.557 0.30
C Produits manufacturés 117.926 117.751 -0.15
C1 Produits agro-alimentaires 43.241 42.573 -1.54
FZ Construction 6.468 6.341 -1.96
GZ Commerce 1.364 1.315 -3.59
C4 Matériels de transport 17.228 16.550 -3.94

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 2024-10-01 2025-10-01 change
(CHTR) Correction territoriale -3.202 -4.309 34.57
C3 Biens d'équipement 9.809 10.254 4.54
AZ Produits agricoles 7.496 7.722 3.01
MN Services aux entreprises 9.705 9.961 2.64
HZ Transport 10.649 10.916 2.51
KZ Services financiers 20.635 21.017 1.85
LZ Services immobiliers 71.413 72.397 1.38
(GZ) à (MN), (RU) Services marchands 170.835 172.783 1.14
(FZ) à (RU) Total services 194.334 196.222 0.97
IZ Hébergement-restauration 28.751 28.973 0.77
GZ Commerce 1.306 1.315 0.69
C5 Autres produits industriels 37.484 37.710 0.60
DE Energie, eau, déchets 13.748 13.779 0.23
TOTAL Total 330.040 330.802 0.23
C2 Cokéfaction et raffinage 10.823 10.836 0.12
OQ Services non marchands 17.140 17.114 -0.15
(DE) à (C5) Industrie 131.771 131.557 -0.16
C Produits manufacturés 118.016 117.751 -0.22
FZ Construction 6.380 6.341 -0.61
RU Services aux ménages 14.653 14.547 -0.72
JZ Information-communication 13.668 13.514 -1.13
C1 Produits agro-alimentaires 43.065 42.573 -1.14
C4 Matériels de transport 16.906 16.550 -2.11

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))