Indice réel des prix des logements anciens : prix déflatés depuis 1996

L’indice réel des prix des logements anciens est un indicateur composite Eco3min : l’indice Notaires-INSEE des prix des logements anciens divisé par l’indice des prix à la consommation national, rebasé en 100 = moyenne annuelle 2015. Il répond à une question que l’indice nominal ne peut pas trancher — le logement français est-il devenu plus cher que tout le reste, ou seulement en même temps que tout le reste ? Trimestriel depuis le premier trimestre 1996, 121 observations. L’indice réel des prix des logements anciens est 12,2 % sous son pic de 2022 quand l’indice nominal ne recule que de 4,8 %.

Jeu de données: indice réel des prix des logements anciens (1996–2026) · Mis à jour le 2026-01-01

Source : INSEE (indices Notaires-INSEE et indice des prix à la consommation) · composite Eco3min, base 100 = 2015

Lecture macro

Construction et composantes

Le composite retire l’inflation générale des prix immobiliers et ne laisse que le mouvement du logement par rapport à tout ce qu’un ménage achète par ailleurs. C’est la construction standard pour comparer des cycles immobiliers traversant des régimes d’inflation très différents.

Formule :

Indice réel = Indice nominal des prix des logements / Indice des prix à la consommation, rebasé en 100 = 2015

Composantes :

• Indice Notaires-INSEE des prix des logements anciens — INSEE, jeux de données IPLA — trimestriel, série CVS, France hors Mayotte. Le numérateur. Chaîné entre les bases 2010 et 2015 sur 33 trimestres de recouvrement.
• Indice des prix à la consommation — INSEE, jeux de données IPC — mensuel, ensemble des ménages, France entière. Le déflateur. Chaîné entre les bases 2015 et 2025 sur 360 mois de recouvrement.

Réconciliation des fréquences : L’indice de prix des logements est trimestriel, l’indice des prix à la consommation mensuel. Le pipeline les aligne par une fusion as-of rétrospective : chaque trimestre est déflaté par l’indice des prix de son premier mois, et non par une moyenne trimestrielle. Le résultat est rebasé en 100 à la moyenne annuelle 2015, pour se lire comme un indice plutôt que comme un rapport brut voisin de 1.

Couverture : Du premier trimestre 1996 au premier trimestre 2026, borné par le début de la série de prix immobiliers chaînée. La composante prix à la consommation remonte à 1990 et n’est pas la contrainte.

Fiche du jeu de données

Variables du fichier

Les fichiers CSV, Excel et JSON contiennent les colonnes suivantes.

Les noms de colonnes correspondent exactement aux en-têtes du CSV.

Télécharger le jeu de données complet

La série complète de l’indice réel des prix des logements anciens, ses deux composantes incluses, est disponible aux formats CSV et Excel.

Accès direct aux données

L’INSEE publie les deux composantes mais pas leur rapport, et chacune est répartie entre des jeux de données par base successifs. Le jeu de données structuré Eco3min renvoie le composite et ses deux intrants alignés sur une grille trimestrielle unique :

Accès CSV direct — jeu de données structuré Eco3min

https://eco3min.fr/dataset/fr/fr-real-house-price-index.csv

Cette URL renvoie le jeu de données complet au format CSV, utilisable directement dans pandas, R, curl ou tout outil de traitement. Les formats JSON et XLSX sont disponibles au même chemin avec l’extension correspondante.

Utiliser les données en Python

import pandas as pd

url = "https://eco3min.fr/dataset/fr/fr-real-house-price-index.csv"
df = pd.read_csv(url, parse_dates=["date"])

print(df.head())
print(df["real_house_price_index"].describe())

Utiliser les données en R

library(readr)

url <- "https://eco3min.fr/dataset/fr/fr-real-house-price-index.csv"
df <- read_csv(url)

head(df)
summary(df$real_house_price_index)

Les deux exemples chargent le jeu de données directement depuis l’URL — sans téléchargement ni clé d’API.

Méthodologie

Le composite est recalculé quotidiennement par un pipeline Eco3min. Les deux composantes sont elles-mêmes chaînées entre les changements de base de l’INSEE avant la division : l’indice de prix des logements entre les bases 2010 et 2015 sur 33 trimestres de recouvrement, l’indice des prix à la consommation entre les bases 2015 et 2025 sur 360 mois de recouvrement. Chaîner avant de déflater, plutôt que l’inverse, évite d’introduire une rupture à l’une ou l’autre date de rebasement.

L’indice des prix mensuel est aligné sur la grille trimestrielle des prix immobiliers par une fusion as-of rétrospective : chaque trimestre est donc déflaté par l’indice des prix de son premier mois, et non par une moyenne trimestrielle. La latence est dictée par l’indice de prix des logements, publié environ deux à trois mois après la fin du trimestre de référence, ce qui explique que le composite s’arrête un trimestre derrière la série des prix à la consommation.

Qualité des données et notes de fourniture

La latence est dictée par l’indice de prix des logements, publié environ deux à trois mois après la fin du trimestre de référence. La composante prix à la consommation est disponible mensuellement et toujours en avance : le composite n’est jamais plus frais que la publication immobilière.

Les révisions se propagent des deux côtés. L’INSEE révise les indices Notaires-INSEE à mesure que les actes tardifs sont enregistrés, et révise l’indice des prix entre publication provisoire et définitive. L’une comme l’autre réécrit les trimestres concernés du composite à l’exécution Eco3min suivante. Les facteurs de chaînage sont eux aussi recalculés à chaque exécution : une révision amont peut donc déplacer la partie historique de la série.

Aucune alternative native n’existe sous cette forme exacte. L’OCDE et la BRI publient des indices de prix immobiliers réels pour la France, mais sur leurs propres déflateurs et années de base, ce qui produit des niveaux différents et non directement comparables à cette série.

Ce que l’indicateur capture (et ce qu’il ne capture pas)

Le composite est une mesure structurelle de la valorisation du logement relativement aux prix à la consommation. Ce n’est ni une mesure d’accessibilité, ni un outil de market timing.

Ce qu’il capture :

• Le fait que le logement se soit renchéri relativement aux autres biens, par opposition à un simple accompagnement de l’inflation générale
• La profondeur réelle des corrections en période de forte inflation, que les indices nominaux sous-estiment systématiquement
• La comparabilité des cycles immobiliers sur la période 1996-2026, qui traverse des régimes d’inflation très différents

Ce qu’il ne capture PAS (contresens fréquents) :

• L’accessibilité. Déflater par les prix à la consommation n’est pas diviser par le revenu des ménages, et ni l’un ni l’autre n’intègre le coût du crédit. Un indice réel peut baisser pendant que le logement devient moins accessible, si les revenus baissent plus vite ou si les taux montent. La construction prix/revenu est une autre série.
• La dispersion régionale. L’indice est national. Paris, les métropoles régionales et les zones rurales ont suivi des trajectoires très différentes, qu’un indice national moyenne.
• Le rendement total d’un propriétaire. La série est un indice de prix. Elle exclut le loyer imputé, les frais de transaction, l’entretien, la fiscalité foncière et l’effet de levier — ce dernier dominant le rendement effectif d’un acquéreur à crédit.
• Un déflateur faisant consensus. Retenir l’IPCH harmonisé, un déflateur de consommation des ménages ou une série de revenus à la place de l’indice national déplacerait à la fois le niveau et la profondeur des corrections. Le choix fait ici est l’indice national parce que c’est celui que le droit français utilise.

La série sert surtout à comparer la profondeur des corrections immobilières entre périodes de régimes d’inflation différents, lue à côté de ses deux colonnes de composantes.

Régimes historiques

• 1996–2000 — le plancher réel. L’indice touche son point bas à 52,8 au premier trimestre 1997, plus bas de la série, et n’atteint que 60,1 au premier trimestre 2000. En termes réels, le logement français n’a jamais été moins cher qu’en 1997 depuis.
• 2000–2008 — le doublement réel. De 60,1 à 111,7 au deuxième trimestre 2008. Contrairement à la série nominale, l’indice réel montre sans ambiguïté qu’il s’agissait d’un renchérissement relatif du logement contre tous les autres biens, et non d’une inflation générale.
• 2008–2015 — la lente correction réelle. De 111,7 à 101,1 au premier trimestre 2015, soit 9,5 % de repli réel étalé sur sept ans, sans krach. Les prix nominaux se redressent après 2009 quand les prix réels ne le font pas : c’est exactement la divergence que le composite est fait pour révéler.
• 2015–2022 — l’ascension réelle des taux zéro. De 101,1 au plus haut de la série, 120,1 au premier trimestre 2022. Les prix réels gagnent 19 % en sept ans alors que les prix à la consommation sont quasi stables : la quasi-totalité du gain nominal de cette période est un vrai renchérissement relatif.
• 2022–2026 — la correction par l’inflation. De 120,1 à 105,5, soit 12,2 % de repli réel. Les prix nominaux ne baissent que de 4,8 % sur la même période ; les sept points et demi restants ont été produits par le choc des prix à la consommation de 2021–2023, pas par des vendeurs qui baissent.

Jeux de données liés

Analyses associées

Hub des données macro-financières

Ce jeu de données fait partie du dépôt de données macro-financières Eco3min.

Explorer le hub de données Eco3min

Sources

• INSEE — indices Notaires-INSEE des prix des logements anciens (IPLA), ensemble des logements, France hors Mayotte, série CVS. Jeux de données IPLA-IPLNA-2010 et IPLA-IPLNA-2015.
• INSEE — indice des prix à la consommation, ensemble des ménages, France entière. Jeux de données IPC-2015 et IPC-2025.
• Composite calculé par Eco3min à partir des deux séries chaînées ci-dessus. Données de transaction sous-jacentes : bases de données notariales, traitées par l’INSEE selon sa méthodologie d’indice hédonique.

Référence du jeu de données

Eco3min Research. (2026). Indice réel des prix des logements anciens (1996–2026). Composite Eco3min à partir de données INSEE.<br> https://eco3min.fr/indice-reel-prix-logements-anciens-dataset/