Revenu, pouvoir d’achat et comptes des ménages - Valeurs aux prix courants - t_men_val

Name: Revenu, pouvoir d'achat et comptes des ménages - Valeurs aux prix courants
Creator: François Geerolf
License: https://www.etalab.gouv.fr/licence-ouverte-open-licence/

Données - INSEE

Auteur

François Geerolf

Last observation: Q2 2026 (N = 14)

First observation: Q1 1949 (N = 14)

Last data update: 03 sept. 2026, 05:31

Last compile: 04 sept. 2026, 02:29

Bibliographie en lien

Français

« Mesurer “le” pouvoir d’achat », F. Geerolf, 9 juillet 2024. [ html] [ pdf] [ handouts] [ slides] [ slides] [ github]

« La taxe inflationniste, le pouvoir d’achat, le taux d’épargne et le déficit public », F. Geerolf, 9 juillet 2024. [ html] [ pdf] [ handouts] [ slides] [ slides] [ github]

« Inflation en France : IPC ou IPCH ? », F. Geerolf, 9 juillet 2024. [ html] [ pdf] [ handouts] [ slides] [ slides] [ github]

Exemple

2023T2: consommation Totale = 356,6 Mds€; revenu disponible brut = 439,2 Mds€:

Code

scales::percent(1-356.6/439.2, acc = 0.01)

# [1] "18.81%"

Données

Comptes nationaux trimestriels au 3ème trimestre 2023. html / xls
Comptes nationaux trimestriels au 2ème trimestre 2023. html / xls
Comptes nationaux trimestriels au 4ème trimestre 2022. html / xls
Comptes nationaux trimestriels au 4ème trimestre 2021. html

Info

Revenu disponible brut. Il s’agit de la part du revenu qui reste à la disposition du ménage pour consommer et épargner, une fois déduits les prélèvements sociaux et les impôts.

Les ressources comprennent : - les revenus d’activité (salaires, revenus des entrepreneurs individuels…), - les revenus du patrimoine (dividendes, intérêts, loyers), - les prestations sociales (y compris les pensions de retraite et les indemnités de chômage), - les transferts courants (notamment les indemnités d’assurance nette des primes). Les charges comprennent notamment les impôts directs (impôt sur le revenu, taxe d’habitation, CSG…).

Revenu disponible brut ajusté. Il s’agit du RDB augmenté des transferts sociaux en nature, contrepartie des consommations individualisables incluses dans les dépenses des APU et des ISBLSM.

Excédent brut d’exploitation des ménages purs. L’EBE des ménages purs correspond aux revenus fonciers, issus des loyers réels ou des loyers imputés (au titre des services de logement que les ménages propriétaires se rendent à eux mêmes).

variable

Code

t_men_val |>
  left_join(variable, by = "variable") |>
  group_by(variable, Variable) |>
  summarise(Nobs = n()) |>
  arrange(-Nobs) |>
  print_table_conditional()

variable	Variable	Nobs
B2 + D11 + D4 + D62 + D7	Total des ressources	310
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	310
B2_S14A	Revenu mixte	310
B2_S14B	Excédent brut d'exploitation des ménages purs	310
B6	Revenu disponible brut	310
B7	Revenu disponible brut ajusté	310
D11	Salaires et traitements bruts	310
D4	Intérêts et dividendes nets reçus	310
D5	Impôts sur le revenu et le patrimoine	310
D5 + D613 + D614 + D61SC	NA	310
D613 + D614 + D61SC	NA	310
D62	Prestations sociales en espèces	310
D63	Transferts sociaux en nature	310
D7	Autres ressources nettes	310

date

Code

t_men_val |>
  group_by(date) |>
  summarise(Nobs = n()) |>
  arrange(desc(date)) |>
  print_table_conditional()

Evolution

2017T2-

% change

Code

t_men_val |>
  filter(date %in% c(max(date), as.Date("2017-04-01"))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`% change`) |>
  print_table_conditional()

variable	Variable	2017-04-01	2026-04-01	% change	change (Mds€)
D4	Intérêts et dividendes nets reçus	20.696	36.500	76.36	15.80
B6	Revenu disponible brut	346.287	475.835	37.41	129.55
B7	Revenu disponible brut ajusté	448.073	613.101	36.83	165.03
B2 + D11 + D4 + D62 + D7	Total des ressources	438.928	594.484	35.44	155.56
B2_S14B	Excédent brut d'exploitation des ménages purs	50.831	68.826	35.40	17.99
D63	Transferts sociaux en nature	101.786	137.266	34.86	35.48
D11	Salaires et traitements bruts	219.522	292.770	33.37	73.25
D62	Prestations sociales en espèces	123.851	164.511	32.83	40.66
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	77.716	102.567	31.98	24.85
D5	Impôts sur le revenu et le patrimoine	56.201	73.160	30.18	16.96
D5 + D613 + D614 + D61SC	NA	92.641	118.649	28.07	26.01
B2_S14A	Revenu mixte	26.885	33.742	25.50	6.86
D613 + D614 + D61SC	NA	36.440	45.489	24.83	9.05
D7	Autres ressources nettes	-2.857	-1.864	-34.76	0.99

€ change

Code

t_men_val |>
  filter(date %in% c(max(date), as.Date("2017-04-01"))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`change (Mds€)`) |>
  print_table_conditional()

variable	Variable	2017-04-01	2026-04-01	% change	change (Mds€)
B7	Revenu disponible brut ajusté	448.073	613.101	36.83	165.03
B2 + D11 + D4 + D62 + D7	Total des ressources	438.928	594.484	35.44	155.56
B6	Revenu disponible brut	346.287	475.835	37.41	129.55
D11	Salaires et traitements bruts	219.522	292.770	33.37	73.25
D62	Prestations sociales en espèces	123.851	164.511	32.83	40.66
D63	Transferts sociaux en nature	101.786	137.266	34.86	35.48
D5 + D613 + D614 + D61SC	NA	92.641	118.649	28.07	26.01
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	77.716	102.567	31.98	24.85
B2_S14B	Excédent brut d'exploitation des ménages purs	50.831	68.826	35.40	17.99
D5	Impôts sur le revenu et le patrimoine	56.201	73.160	30.18	16.96
D4	Intérêts et dividendes nets reçus	20.696	36.500	76.36	15.80
D613 + D614 + D61SC	NA	36.440	45.489	24.83	9.05
B2_S14A	Revenu mixte	26.885	33.742	25.50	6.86
D7	Autres ressources nettes	-2.857	-1.864	-34.76	0.99

2017T2-

Code

t_men_val |>
  filter(variable %in% c("D11", "B6", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2017-04-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Index 100 = 2017T2") +
  scale_x_date(breaks = as.Date(paste0(seq(2008, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 5)) +
  theme(legend.position = c(0.3, 0.8),
        legend.title = element_blank())

Memo, inflation période. IPCH: +21.6%.

Code

ig_d("insee", "IPCH-IPC-2015-ensemble", "IPC-IPCH-trimestre-2017T2")

Source	Dataset	Updated	PNG	PDF
insee	IPCH-IPC-2015-ensemble	02 août 2026	png	pdf

SMPT, rappel:

Code

ig_d("insee", "t_salaire_val", "TOTAL-AZ-C-2017T2")

Source	Dataset	Updated	PNG	PDF
insee	t_salaire_val	03 sept. 2026	png	pdf

2019T4-

Code

t_men_val |>
  filter(variable %in% c("D11", "B6", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2019-10-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  mutate(date = zoo::as.yearqtr(paste(year(date), quarter(date), sep = "-"))) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Index 100 = 2019T4") +
  zoo::scale_x_yearqtr(labels = date_format("%YT%q"), n = 24) +
  scale_y_log10(breaks = seq(0, 1500, 5)) +
  theme(legend.position = c(0.3, 0.8),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  geom_text(data = . %>% 
              filter(date == max(date)),
            aes(x = date, y = value, color = Variable, label = round(value, 1)))

2021T2-

Code

t_men_val |>
  filter(variable %in% c("B6", "D4", "D11")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2021-04-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  mutate(date = zoo::as.yearqtr(paste(year(date), quarter(date), sep = "-"))) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Indice 100 = 2021T2") +
  zoo::scale_x_yearqtr(labels = date_format("%YT%q"), n = 24) +
  scale_y_log10(breaks = seq(0, 1500, 5)) +
  theme(legend.position = c(0.3, 0.8),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  geom_text_repel(data = . %>% 
              filter(date == max(date)),
            aes(x = date, y = value,  color = Variable, label = round(value, 1)))

3 years

% change

Code

t_men_val |>
  filter(date %in% c(max(date), max(date)-years(3))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`% change`) |>
  print_table_conditional()

variable	Variable	2023-04-01	2026-04-01	% change	change (Mds€)
D4	Intérêts et dividendes nets reçus	31.966	36.500	14.18	4.53
D613 + D614 + D61SC	NA	40.076	45.489	13.51	5.41
D62	Prestations sociales en espèces	147.325	164.511	11.67	17.19
D63	Transferts sociaux en nature	125.263	137.266	9.58	12.00
D5 + D613 + D614 + D61SC	NA	108.518	118.649	9.34	10.13
B7	Revenu disponible brut ajusté	566.638	613.101	8.20	46.46
B2 + D11 + D4 + D62 + D7	Total des ressources	549.893	594.484	8.11	44.59
B6	Revenu disponible brut	441.375	475.835	7.81	34.46
D11	Salaires et traitements bruts	273.749	292.770	6.95	19.02
D5	Impôts sur le revenu et le patrimoine	68.443	73.160	6.89	4.72
B2_S14A	Revenu mixte	32.353	33.742	4.29	1.39
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	99.494	102.567	3.09	3.07
B2_S14B	Excédent brut d'exploitation des ménages purs	67.141	68.826	2.51	1.68
D7	Autres ressources nettes	-2.641	-1.864	-29.42	0.78

€ change

Code

t_men_val |>
  filter(date %in% c(max(date), max(date)-years(3))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`change (Mds€)`) |>
  print_table_conditional()

variable	Variable	2023-04-01	2026-04-01	% change	change (Mds€)
B7	Revenu disponible brut ajusté	566.638	613.101	8.20	46.46
B2 + D11 + D4 + D62 + D7	Total des ressources	549.893	594.484	8.11	44.59
B6	Revenu disponible brut	441.375	475.835	7.81	34.46
D11	Salaires et traitements bruts	273.749	292.770	6.95	19.02
D62	Prestations sociales en espèces	147.325	164.511	11.67	17.19
D63	Transferts sociaux en nature	125.263	137.266	9.58	12.00
D5 + D613 + D614 + D61SC	NA	108.518	118.649	9.34	10.13
D613 + D614 + D61SC	NA	40.076	45.489	13.51	5.41
D5	Impôts sur le revenu et le patrimoine	68.443	73.160	6.89	4.72
D4	Intérêts et dividendes nets reçus	31.966	36.500	14.18	4.53
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	99.494	102.567	3.09	3.07
B2_S14B	Excédent brut d'exploitation des ménages purs	67.141	68.826	2.51	1.68
B2_S14A	Revenu mixte	32.353	33.742	4.29	1.39
D7	Autres ressources nettes	-2.641	-1.864	-29.42	0.78

2 years

% change

Code

t_men_val |>
  filter(date %in% c(max(date), max(date)-years(2))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`% change`) |>
  print_table_conditional()

variable	Variable	2024-04-01	2026-04-01	% change	change (Mds€)
D7	Autres ressources nettes	-1.679	-1.864	11.02	-0.19
D613 + D614 + D61SC	NA	41.434	45.489	9.79	4.06
D5 + D613 + D614 + D61SC	NA	112.401	118.649	5.56	6.25
D62	Prestations sociales en espèces	156.481	164.511	5.13	8.03
D63	Transferts sociaux en nature	130.605	137.266	5.10	6.66
B2_S14A	Revenu mixte	32.516	33.742	3.77	1.23
D11	Salaires et traitements bruts	283.694	292.770	3.20	9.08
D5	Impôts sur le revenu et le patrimoine	70.966	73.160	3.09	2.19
B2 + D11 + D4 + D62 + D7	Total des ressources	577.305	594.484	2.98	17.18
B7	Revenu disponible brut ajusté	595.509	613.101	2.95	17.59
B6	Revenu disponible brut	464.904	475.835	2.35	10.93
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	100.784	102.567	1.77	1.78
B2_S14B	Excédent brut d'exploitation des ménages purs	68.268	68.826	0.82	0.56
D4	Intérêts et dividendes nets reçus	38.026	36.500	-4.01	-1.53

€ change

Code

t_men_val |>
  filter(date %in% c(max(date), max(date)-years(2))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`change (Mds€)`) |>
  print_table_conditional()

variable	Variable	2024-04-01	2026-04-01	% change	change (Mds€)
B7	Revenu disponible brut ajusté	595.509	613.101	2.95	17.59
B2 + D11 + D4 + D62 + D7	Total des ressources	577.305	594.484	2.98	17.18
B6	Revenu disponible brut	464.904	475.835	2.35	10.93
D11	Salaires et traitements bruts	283.694	292.770	3.20	9.08
D62	Prestations sociales en espèces	156.481	164.511	5.13	8.03
D63	Transferts sociaux en nature	130.605	137.266	5.10	6.66
D5 + D613 + D614 + D61SC	NA	112.401	118.649	5.56	6.25
D613 + D614 + D61SC	NA	41.434	45.489	9.79	4.06
D5	Impôts sur le revenu et le patrimoine	70.966	73.160	3.09	2.19
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	100.784	102.567	1.77	1.78
B2_S14A	Revenu mixte	32.516	33.742	3.77	1.23
B2_S14B	Excédent brut d'exploitation des ménages purs	68.268	68.826	0.82	0.56
D7	Autres ressources nettes	-1.679	-1.864	11.02	-0.19
D4	Intérêts et dividendes nets reçus	38.026	36.500	-4.01	-1.53

Last year

% change

Code

t_men_val |>
  filter(date %in% c(max(date), max(date)-years(1))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`% change`) |>
  print_table_conditional()

variable	Variable	2025-04-01	2026-04-01	% change	change (Mds€)
D613 + D614 + D61SC	NA	42.633	45.489	6.70	2.86
D4	Intérêts et dividendes nets reçus	34.944	36.500	4.45	1.56
D5 + D613 + D614 + D61SC	NA	114.973	118.649	3.20	3.68
B2_S14B	Excédent brut d'exploitation des ménages purs	67.003	68.826	2.72	1.82
D63	Transferts sociaux en nature	133.868	137.266	2.54	3.40
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	100.397	102.567	2.16	2.17
D62	Prestations sociales en espèces	161.466	164.511	1.89	3.04
B2 + D11 + D4 + D62 + D7	Total des ressources	583.995	594.484	1.80	10.49
B7	Revenu disponible brut ajusté	602.890	613.101	1.69	10.21
B6	Revenu disponible brut	469.022	475.835	1.45	6.81
D7	Autres ressources nettes	-1.840	-1.864	1.30	-0.02
D11	Salaires et traitements bruts	289.028	292.770	1.29	3.74
D5	Impôts sur le revenu et le patrimoine	72.340	73.160	1.13	0.82
B2_S14A	Revenu mixte	33.395	33.742	1.04	0.35

€ change

Code

t_men_val |>
  filter(date %in% c(max(date), max(date)-years(1))) |>
  left_join(variable, by = "variable") |>
  spread(date, value) %>%
  mutate(`% change` = round(100*(.[[4]]/.[[3]]-1), 2),
         `change (Mds€)` = round(.[[4]]-.[[3]], 2)) |>
  arrange(-`change (Mds€)`) |>
  print_table_conditional()

variable	Variable	2025-04-01	2026-04-01	% change	change (Mds€)
B2 + D11 + D4 + D62 + D7	Total des ressources	583.995	594.484	1.80	10.49
B7	Revenu disponible brut ajusté	602.890	613.101	1.69	10.21
B6	Revenu disponible brut	469.022	475.835	1.45	6.81
D11	Salaires et traitements bruts	289.028	292.770	1.29	3.74
D5 + D613 + D614 + D61SC	NA	114.973	118.649	3.20	3.68
D63	Transferts sociaux en nature	133.868	137.266	2.54	3.40
D62	Prestations sociales en espèces	161.466	164.511	1.89	3.04
D613 + D614 + D61SC	NA	42.633	45.489	6.70	2.86
B2_S14	Excédent brut d'exploitation (y compris revenu mixte)	100.397	102.567	2.16	2.17
B2_S14B	Excédent brut d'exploitation des ménages purs	67.003	68.826	2.72	1.82
D4	Intérêts et dividendes nets reçus	34.944	36.500	4.45	1.56
D5	Impôts sur le revenu et le patrimoine	72.340	73.160	1.13	0.82
B2_S14A	Revenu mixte	33.395	33.742	1.04	0.35
D7	Autres ressources nettes	-1.840	-1.864	1.30	-0.02

Evolution RDB, RDB sans capital

1990-

Code

t_men_val |>
  filter(variable %in% c("B6", "B2_S14B", "D4")) |>
  spread(variable, value) |>
  transmute(date, RDB = B6, `RDB - intérêts et dividendes` = B6-D4, `RDB - intérêts et dividendes - EBE` = B6-D4-B2_S14B) |>
  gather(Variable, value, -date) |>
  group_by(Variable) |>
  arrange(date) |>
  mutate(ga = value/lag(value, 4) - 1) |>
  filter(date >= as.Date("1990-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = ga, color = Variable)) + 
  xlab("") + ylab("") + theme_minimal() +
  scale_x_date(breaks = seq.Date(from = as.Date("1900-01-01"), to = as.Date("2100-10-01"), by = "5 years"),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = 0.01*seq(-10, 100, 1),
                labels = percent_format(accuracy = 1)) +
  theme(legend.position = c(0.4, 0.9),
        legend.title = element_blank(),
        legend.direction = "vertical")

D11, B6

Montant

All

Linear

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(1,2,5,8,10,20, 50, 80, 100, 200, 500, 1000, 1200, 2000, 3000, 5000, 10000),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

1995-

Linear

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("1995-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("1995-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

1999-

Linear

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("1999-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Values

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("1999-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Base 100

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("1999-01-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Base 100 = 1999") +
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10)) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

2001-2021

Et par personne ?

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2001-01-01"),
         date <= as.Date("2021-01-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Base 100 = 2001-T1") +
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10)) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank()) +
  geom_label_repel(data = . %>% filter(max(date) == date),
                   aes(x = date, y = value, color = Variable, label = round(value, 1)), show.legend = F)

2001-2021

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2001-01-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Base 100 = 2001-T1") +
  scale_x_date(breaks = as.Date(paste0(seq(1999, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10)) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

2008-

Linear

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2008-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(2008, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2008-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(2008, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

2017-

Linear

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2017-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(2008, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("D11", "B6")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2017-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(2008, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Revenus du capital

Montant

All

Linear

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 5), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = c(1,2,5,8,10,20, 50, 80, 100, 200, 500, 1000, 1200, 2000, 3000, 5000, 10000),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

1995-

Linear

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("1995-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("1995-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

2008-

Linear

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2008-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2008-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 2), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

2017-

Linear

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2017-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_continuous(breaks = seq(0, 10000, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Log

Code

t_men_val |>
  filter(variable %in% c("B2_S14", "B2_S14B", "D4")) |>
  left_join(variable, by = "variable") |>
  filter(date >= as.Date("2017-01-01")) |>
  ggplot() + geom_line(aes(x = date, y = value, color = Variable)) +
  theme_minimal() + xlab("") + ylab("Milliards d'€") +
  scale_x_date(breaks = as.Date(paste0(seq(1940, 2100, 1), "-01-01")),
               labels = date_format("%Y")) +
  scale_y_log10(breaks = seq(0, 1500, 10),
                     labels = dollar_format(accuracy = 1, pre = "", su ="Mds€")) +
  theme(legend.position = c(0.3, 0.9),
        legend.title = element_blank())

Related Data

Données sur le pouvoir d’achat

source	dataset	Title	Updated
insee	CNA-2014-RDB	Revenu et pouvoir d’achat des ménages - CNA-2014-RDB	2026-08-16
insee	CNT-2014-CSI	Comptes de secteurs institutionnels - CNT-2014-CSI	2026-08-16
insee	T_2101	2.101 – Revenu disponible brut des ménages et évolution du pouvoir d'achat par personne, par ménage et par unité de consommation (En milliards euros et %) - T_2101	2026-09-02
insee	T_7401	7.401 – Compte des ménages (S14) (En milliards d'euros) - T_7401	2026-09-02
insee	conso-eff-fonction	Consommation effective des ménages par fonction - conso-eff-fonction	2026-08-02
insee	econ-gen-revenu-dispo-pouv-achat-2	Revenu disponible brut et pouvoir d’achat - Données annuelles - econ-gen-revenu-dispo-pouv-achat-2	2026-08-02
insee	reve-conso-evo-dep-pa	Évolution de la dépense et du pouvoir d’achat des ménages - Données annuelles de 1960 à 2023 - reve-conso-evo-dep-pa	2026-08-02
insee	reve-niv-vie-individu-activite	Niveau de vie selon l'activité - Données annuelles - reve-niv-vie-individu-activite	2026-08-02
insee	reve-niv-vie-pouv-achat-trim	Évolution du revenu disponible brut et du pouvoir d’achat - Données trimestrielles - reve-niv-vie-pouv-achat-trim	2026-08-02
insee	t_men_val	Revenu, pouvoir d'achat et comptes des ménages - Valeurs aux prix courants - t_men_val	2026-09-03
insee	t_pouvachat_val	Pouvoir d'achat et ratios des comptes des ménages - t_pouvachat_val	2026-09-03
insee	t_recapAgent_val	Récapitulatif des séries des comptes d'agents - t_recapAgent_val	2026-09-03
insee	t_salaire_val	Salaire moyen par tête - SMPT (données CVS) - t_salaire_val	2026-09-03
oecd	HH_DASH	Household Dashboard - HH_DASH	2026-08-02

Données sur l’épargne

source	dataset	Title	Updated
bdf	CFT	Comptes Financiers Trimestriels - CFT	2026-08-10
insee	T_7401	7.401 – Compte des ménages (S14) (En milliards d'euros) - T_7401	2026-09-02
insee	bdf2017	Budget de famille 2017 - bdf2017	2026-08-13
insee	ip1815	Plus d’épargne chez les plus aisés, plus de dépenses contraintes chez les plus modestes - ip1815	2026-08-02
insee	t_men_val	Revenu, pouvoir d'achat et comptes des ménages - Valeurs aux prix courants - t_men_val	2026-09-03
insee	t_pouvachat_val	Pouvoir d'achat et ratios des comptes des ménages - t_pouvachat_val	2026-09-03
insee	t_recapAgent_val	Récapitulatif des séries des comptes d'agents - t_recapAgent_val	2026-09-03