Salaire moyen par tête - SMPT (données CVS) - t_salaire_val

Données - INSEE

Last observation: Q2 2026 (N = 22)

First observation: Q1 1949 (N = 22)

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

Last compile: 24 sept. 2026, 01:50

Structure

• Comptes nationaux trimestriels au troisième trimestre 2023. html

• Salaires. xls

• Comptes de branches. html

• PIB et ses composantes. html

• Secteurs et ses composantes. html

Bibliographie

Français

• “Mesurer”le” pouvoir d’achat”, F. Geerolf, Document de travail, Juillet 2024. [pdf]

• “Inflation en France: IPC ou IPCH ?”, F. Geerolf, Document de travail, Juillet 2024. [pdf]

• “La taxe inflationniste, le pouvoir d’achat, le taux d’épargne et le déficit public”, F. Geerolf, Document de travail, Juillet 2024. [pdf]

variable

t_salaire_val |>
  group_by(variable) |>
  summarise(Nobs = n()) |>
  arrange(-Nobs) |>
  print_table_conditional()

variable	Nobs
(DE) à (C5)	310
(DE) à (MN), (RU)	310
(GZ) à (MN), (RU)	310
AZ	310
C	310
C1	310
C2	310
C3	310
C4	310
C5	310
DE	310
FZ	310
GZ	310
HZ	310
IZ	310
JZ	310
KZ	310
LZ	310
MN	310
OQ	310
RU	310
TOTAL	310

date

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

2021, Trimestre 3

t_salaire_val |>
  filter(date %in% c(as.Date("2023-01-01"), as.Date("2011-07-01"))) |>
  spread(date, value) |>
  mutate(evolution = 100*((`2023-01-01`/`2011-07-01`)^(1/10)-1)) |>
  arrange(-`2023-01-01`) |>
  print_table_conditional()

variable	2011-07-01	2023-01-01	evolution
JZ	12768.65	16336.46	2.4946737
KZ	11185.27	15081.70	3.0339578
C4	11388.75	15030.07	2.8131095
C2	13263.02	14987.31	1.2297412
C3	10514.33	12779.07	1.9698463
DE	10101.34	12025.02	1.7584966
LZ	9918.17	11787.47	1.7416802
C5	8925.36	11309.23	2.3954666
(DE) à (C5)	8880.06	11143.21	2.2961859
MN	8962.99	11093.07	2.1550602
C	8760.36	11046.34	2.3457105
FZ	8506.33	10582.37	2.2078073
(DE) à (MN), (RU)	8415.63	10524.61	2.2614480
(GZ) à (MN), (RU)	8288.86	10389.13	2.2841729
TOTAL	7851.81	9841.73	2.2845801
HZ	8147.86	9541.16	1.5911232
GZ	7255.33	9141.19	2.3374418
OQ	6733.73	8476.34	2.3281840
C1	6303.35	8272.30	2.7555967
RU	6249.46	7687.53	2.0926397
IZ	5978.69	7258.14	1.9581462
AZ	6317.28	5936.60	-0.6195941

Valeurs en Euros

KZ, JZ, C4

All

t_salaire_val |>
  filter(variable %in% c("KZ", "JZ", "C4")) |>
  group_by(variable) |>
  ggplot() + ylab("Salaire moyen par tête - SMPT") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 5) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = 1000*seq(1, 300, 1),
                     labels = dollar_format(accuracy = 1, su = "€", pre = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

1990-

t_salaire_val |>
  filter(variable %in% c("KZ", "JZ", "C4"),
         date >= as.Date("1990-01-01")) |>
  group_by(variable) |>
  ggplot() + ylab("Salaire moyen par tête - SMPT") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = 1000*seq(1, 300, 1),
                     labels = dollar_format(accuracy = 1, su = "€", pre = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017T2-

t_salaire_val |>
  filter(variable %in% c("KZ", "JZ", "C4"),
         date >= as.Date("2017-04-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2017-04-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

C2, C3, C4, C5

All

t_salaire_val |>
  filter(variable %in% c("C2", "C3", "C4", "C5")) |>
  group_by(variable) |>
  ggplot() + ylab("Salaire moyen par tête - SMPT") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 5) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = 1000*seq(1, 300, 1),
                     labels = dollar_format(accuracy = 1, su = "€", pre = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

1990-

t_salaire_val |>
  filter(variable %in% c("C2", "C3", "C4", "C5"),
         date >= as.Date("1990-01-01")) |>
  group_by(variable) |>
  ggplot() + ylab("Salaire moyen par tête - SMPT") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = 1000*seq(1, 300, 1),
                     labels = dollar_format(accuracy = 1, su = "€", pre = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017T2-

t_salaire_val |>
  filter(variable %in% c("C2", "C3", "C4", "C5"),
         date >= as.Date("2017-04-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2017-04-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

Agriculture, Industrie, Total

Value

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("1990-01-01")) |>
  group_by(variable) |>
  ggplot() + ylab("Salaire moyen par tête - SMPT") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = 1000*seq(1, 300, 1),
                     labels = dollar_format(accuracy = 1, su = "€", pre = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

1990-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("1990-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("1990-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 10),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

1996-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("1996-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("1996-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 10),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2012-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("2012-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2012-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("2017-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2017-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017T1-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("2017-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2017-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017T2-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("2017-04-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2017-04-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2019T4-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("2019-10-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2019-10-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2021T3-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("2021-07-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.25)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 1),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2021T4-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "AZ", "C"),
         date >= as.Date("2021-10-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.25)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 1),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

Services Marchands, Total, Non Marchands

1990-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("1990-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("1990-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 5),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

1996-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("1996-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("1996-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 2) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 5),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2012-

t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2012-01-01")) |>
  group_by(variable) |>
  mutate(value = 100*value/value[date == as.Date("2012-01-01")]) |>
  ggplot() + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_date(breaks = seq(1920, 2100, 1) |> paste0("-01-01") |> as.Date(),
               labels = date_format("%Y")) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank()) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2017-01-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr() |>
  ungroup()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.5)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017T1-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2017-01-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr() |>
  ungroup()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.5)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2017T2-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2017-04-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr() |>
  ungroup()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.5)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2019T4-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2019-10-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr() |>
  ungroup()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.25)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2021T2-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2021-04-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr() |>
  ungroup()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.25)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2021T3-

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2021-07-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr() |>
  ungroup()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.25)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

2021T4-

Nominal

df <- t_salaire_val |>
  filter(variable %in% c("TOTAL", "OQ", "(GZ) à (MN), (RU)"),
         date >= as.Date("2021-10-01")) |>
  group_by(variable) |>
  arrange(date) |>
  mutate(value = 100*value/value[1]) |>
  date_to_yearqtr() |>
  ungroup()

ggplot(data = df) + ylab("") + xlab("") + theme_minimal() +
  geom_line(aes(x = date, y = value, color = variable)) +
  scale_x_yearqtr(labels = date_format("%Y T%q"),
                  breaks = seq(from = min(df$date), to = max(df$date), by = 0.25)) +
  theme(legend.position = c(0.7, 0.2),
        legend.title = element_blank(),
        axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
  scale_y_log10(breaks = seq(10, 300, 2),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  geom_label_repel(data = . %>% filter(date == max(date)),
             aes(x = date, y = value, color = variable, label = round(value, 1)))

Related Data

Évolution du pouvoir d’achat depuis 2017

source	dataset	Title	Updated
dares	les-indices-de-salaire-de-base	Les indices de salaire de base - les-indices-de-salaire-de-base	2026-09-20
eurostat	nama_10_pc	Main GDP aggregates per capita - nama_10_pc	2026-09-20
eurostat	nasq_10_nf_tr	Non-financial transactions - nasq_10_nf_tr	2026-09-09
insee	CNA-2020-CONSO-MEN	Consommation des ménages - CNA-2020-CONSO-MEN	2026-09-04
insee	INDICES_LOYERS	Indices des loyers d’habitation (ILH) - INDICES_LOYERS	2026-09-20
insee	IPEA-2021	Indice des prix d’entretien-amélioration des bâtiments - Base 2021 - IPEA-2021	2026-09-20
insee	IRL	Indice pour la révision d’un loyer d’habitation - IRL	2026-09-20
insee	SALAIRES-ANNUELS	Salaires annuels - SALAIRES-ANNUELS	2026-09-20
insee	SMIC-COTISATIONS	Taux de cotisations et salaires minima garantis - SMIC-COTISATIONS	2026-09-20
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	2026-09-23
insee	T_2103	2.103 – Dépense de consommation finale pré-engagée des ménages à prix courants (En milliards d’euros et %) - t_2103	2026-09-23
insee	T_7401	7.401 – Compte des ménages (S14) (En milliards d’euros) - T_7401	2026-09-08
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	t_men_val	Revenu, pouvoir d’achat et comptes des ménages - Valeurs aux prix courants - t_men_val	2026-09-03
insee	t_pib_vol	PIB et ses composantes - Equilibre emplois-ressources - volumes aux prix de l’année précédente chaînés - t_pib_vol	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
ipp	indicefp	Point d’indice de la fonction publique - indicefp	2026-09-20
ipp	revalorisation_pension	Revalorisation du Régime général de la caisse nationale d’assurance vieillesse (CNAV) - revalorisation_pension	2026-09-20
oecd	PRICES_ALL	Consumer price indices (CPIs) - PRICES_ALL	2026-09-18

Analyse des Données de Salaires

source	dataset	Title	Updated
dares	les-indices-de-salaire-de-base	Les indices de salaire de base - les-indices-de-salaire-de-base	2026-09-20
insee	INDICE-TRAITEMENT-FP	Indice de traitement brut dans la fonction publique de l’État - INDICE-TRAITEMENT-FP	2026-09-20
insee	SALAIRES-ACEMO	Indices trimestriels de salaires dans le secteur privé - Résultats par secteur d’activité - SALAIRES-ACEMO	2026-09-20
insee	SALAIRES-ACEMO-2017	Indices trimestriels de salaires dans le secteur privé - SALAIRES-ACEMO-2017	2026-09-20
insee	SALAIRES-ANNUELS	Salaires annuels - SALAIRES-ANNUELS	2026-09-20
insee	SMIC-COTISATIONS	Taux de cotisations et salaires minima garantis - SMIC-COTISATIONS	2026-09-20
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	2026-09-23
insee	t_salaire_val	Salaire moyen par tête - SMPT (données CVS) - t_salaire_val	2026-09-03

Comptes trimestriels détaillés

Page	Intitulé
Biens et services
t_biens_val	Biens - Equilibre emplois-ressources - valeurs aux prix courants
t_biens_vol	Biens - Équilibre emplois-ressources - Volume (CVS-CJO)
t_construc_val	Construction - Équilibre emplois-ressources - Valeurs aux prix courants
t_construc_vol	Construction - Équilibre emplois-ressources - Volume (CVS-CJO)
t_fbcfenf_val	FBCF des entreprises non financières par branche - Valeurs aux prix courants
t_fbcfenf_vol	FBCF des entreprises non financières par branche - Volume (CVS-CJO)
t_fbcfsi_val	FBCF des sociétés et entreprises individuelles non financières par branche - Valeurs aux prix courants
t_fbcfsi_vol	FBCF des sociétés et entreprises individuelles non financières par branche - Volume (CVS-CJO)
t_manuf_val	Produits manufacturés - Équilibre emplois-ressources - Valeurs aux prix courants
t_manuf_vol	Produits manufacturés - Équilibre emplois-ressources - Volume (prix de l’année précédente chaînés, CVS-CJO)
t_recapproduit_val	Récapitulatif de l’équilibre ressources-emplois par produit - Valeurs aux prix courants (trimestriel)
t_recapproduit_vol	Récapitulatif de l’équilibre ressources-emplois par produit - Volume (CVS-CJO) (trimestriel)
t_servmarch_val	Services marchands - Équilibre emplois-ressources - Valeurs aux prix courants
t_servmarch_vol	Services marchands - Équilibre emplois-ressources - Volume (CVS-CJO)
Branches
t_coutprodmanuf_val	Coûts de production dans l’industrie manufacturière (trimestriel)
t_emploi_etp	Emploi par branche - Équivalents temps plein
t_emploi_pp	Emploi par branche - Personnes physiques
t_prod_val	Production par branche - Valeurs aux prix courants
t_prod_vol	Production par branche - Volume (CVS-CJO)
t_recapbranche_val	Récapitulatif des comptes de branche - Valeurs aux prix courants (trimestriel)
t_recapbranche_vol	Récapitulatif des comptes de branche - Volume (CVS-CJO) (trimestriel)
t_salaire_val	Salaire moyen par tête - SMPT (données CVS)
t_va_val	Valeur ajoutée par branche - Valeurs aux prix courants
t_va_vol	Valeur ajoutée par branche - Volume (CVS-CJO)
Consommation des ménages
t_conso_val	Dépenses de consommation des ménages aux prix courants (données CVS-CJO)
t_conso_vol	Dépenses de consommation des ménages - volumes aux prix de l’année précédente chaînés (données CVS-CJO), base 2014
t_dpe_val	Dépenses de consommation des ménages pré-engagées (trimestriel)
Finances publiques
dette	Dette de Maastricht des administrations publiques (trimestriel) - Répartition par sous-secteur et par instrument
t_compteapu_val	Dépenses, recettes et besoin de financement des administrations publiques - valeurs aux prix courants
Produit Intérieur Brut (PIB) et ses composantes
t_pib_val	PIB et ses composants - Equilibre emplois-ressources - valeurs aux prix courants
t_pib_vol	PIB et ses composantes - Equilibre emplois-ressources - volumes aux prix de l’année précédente chaînés
Revenu disponible et pouvoir d’achat des ménages
t_men_val	Revenu, pouvoir d’achat et comptes des ménages - Valeurs aux prix courants
t_pouvachat_val	Pouvoir d’achat et ratios des comptes des ménages
Secteurs institutionnels
t_coutprodenf_val	Coûts de production des entreprises non financières (trimestriel)
t_recapAgent_val	Récapitulatif des séries des comptes d’agents
t_revfact_val	Revenu des facteurs par branche (trimestriel)
t_txmargeenf_val	Décomposition du taux de marge des entreprises non financières
t_txmargesnf_val	Décomposition du taux de marge des sociétés non financières
Échanges extérieurs
t_exports_val	Exportations par produit - Valeurs aux prix courants
t_exports_vol	Exportations par produit - Volume (CVS-CJO)
t_imports_val	Importations par produit - Valeurs aux prix courants
t_imports_vol	Importations par produit - Volume (CVS-CJO)
t_zonexp_val	Exportations - Par zone - valeurs aux prix courants
t_zonexp_vol	Exportations par zone - Volume (CVS-CJO)
t_zonimp_val	Importations par zone - Valeurs aux prix courants
t_zonimp_vol	Importations par zone - Volume (CVS-CJO)