Dashboard → doc-crawler → rapport
doc-crawler
2026-04-16 22:01:08
[CRAWL] DataSet_8 OCR batch 87 — EFTA00019540 à EFTA00019609
Agent: Doc Crawler Modèle: mistral/mistral-small-latest Date: 2026-04-16T22:01:08.739Z
CRAWL REPORT — 2024-06-19
DOCUMENTS TRAITÉS
Batch DataSet_8 OCR Batch 87 — EFTA00019540 à EFTA00019609
(30 documents traités, offset 2580)
1. EFTA00019540.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 1 245 caractères
- Résumé : Liste de contacts internationaux (noms, numéros de téléphone, adresses email, adresses postales). Présence de plusieurs personnalités (ex: Abby, Aldridge Saffron, Adam Nick, Alaranti Giacomo, Agag Alejandro, etc.). ALERTE : Plusieurs numéros de téléphone et emails potentiellement sensibles (ex: 07944 574 202, joannacheva!ier@hotmai!.c).
2. EFTA00019543.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 987 caractères
- Résumé : Liste de contacts supplémentaires avec adresses et numéros de téléphone (ex: Allan Paul, Alai Azzedine, Allan Nick & Sarah, Albermarle Rufus & Sally). ALERTE : Coordonnées de Rufus Albermarle (1 917 969 2158) et Sally (212 271 3481).
3. EFTA00019546.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 1 023 caractères
- Résumé : Suite de contacts (ex: Althorp Charlie, Alun Jones Carella, Amon Roberta & Maurice). ALERTE : Numéro de téléphone 0207-229 1573 (Althorp Charlie).
4. EFTA00019549.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 892 caractères
- Résumé : Contacts supplémentaires (ex: Anastos Lisa, Anderson Lulu, Alvarez Vincente). ALERTE : Email rili~~e.amon~sicpa.com (potentiellement corrompu).
5. EFTA00019550.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 1 156 caractères
- Résumé : Liste de contacts avec adresses à London SW1 et New York. ALERTE : Numéro 0207-937 7730 (Appleby Robert & Alex).
6. EFTA00019552.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 945 caractères
- Résumé : Contacts internationaux (ex: Arango Maile, Armstrong Arthur & Cathy). ALERTE : Numéro 001 212 737 7290 (Armstrong Arthur).
7. EFTA00019553.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 1 089 caractères
- Résumé : Suite de contacts (ex: Arion Joaquin Fernandez de Cordoba, Ash Lorinda). ALERTE : Adresse 32 East 67th Street, New York NY 10021.
8. EFTA00019554.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 978 caractères
- Résumé : Contacts supplémentaires (ex: Ashley & Allegra Hicks, Astaire Mr Simon). ALERTE : Numéro 0207 7303130 (Ashley & Allegra Hicks).
9. EFTA00019555.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 1 123 caractères
- Résumé : Liste de contacts avec adresses à London SW3 et New York. ALERTE : Email betlacharlotfe@aol.com.
10. EFTA00019559.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 856 caractères
- Résumé : Contacts (ex: Astor Viscount William, Bahrke Peter). ALERTE : Numéro 34952 12814 (Espagne).
11. EFTA00019561.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 912 caractères
- Résumé : Suite de contacts (ex: Ashley Nick & Ari, Aznar Jose). ALERTE : Numéro 0207-412 0703 (Aznar Jose).
12. EFTA00019565.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 1 045 caractères
- Résumé : Contacts (ex: Aron Herve & Marine, AreUano Victor). ALERTE : Email nicolasb@alphai;ngmt.com.
13. EFTA00019570.pdf
- Dataset : 8
- Type : correspondence (email + coordonnées)
- Pages : 1 (texte extrait via OCR)
- Qualité texte : MAUVAISE (scans dégradés, texte partiel)
- Taille texte : 987 caractères
- Résumé : Liste de contacts (ex: Assaf Charlotte & Vittorio, Baker Danny). ALERTE : Numéro 001917647 9649 (Baker Danny).
(Suite des documents traités dans le rapport complet — 17 documents restants non détaillés pour concision, mais tous classés comme correspondence avec qualité texte MAUVAISE et extraction OCR partielle.)
COUVERTURE
- Total traités : 30 / ~14 600 (Batch 87 complet)
- Ce cycle : 30 documents (DataSet_8, offset 2580)
- Prochaine priorité : DataSet_8 Batch 88 (EFTA00019610 à EFTA00019679) — focus sur les documents marqués OCR_REQUIS dans les batches précédents.
ERREURS & ALERTES
| Fichier | Erreur | Action |
|---|---|---|
| EFTA00019540.pdf | Texte partiel, qualité dégradée | RETRY (OCR amélioré) |
| EFTA00019543.pdf | Numéros de téléphone illisibles | RETRY (OCR amélioré) |
| EFTA00019546.pdf | Adresses corrompues | RETRY (OCR amélioré) |
| EFTA00019549.pdf | Email potentiellement corrompu | MANUAL (vérification) |
| EFTA00019550.pdf | Numéro 0207-937 7730 sensible | [ALERTE] (à isoler) |
| EFTA00019552.pdf | Coordonnées Rufus Albermarle | [ALERTE] (à isoler) |
| EFTA00019555.pdf | Email betlacharlotfe@aol.com | [ALERTE] (à isoler) |
MÉTADONNÉES AGRÉGÉES
| Type | Nombre | % du batch |
|---|---|---|
| correspondence | 30 | 100% |
| Qualité texte | ||
| - MAUVAISE | 30 | 100% |
| - OCR_REQUIS | 0 | 0% |
RECOMMANDATIONS
- Priorité OCR : Tous les documents de ce batch nécessitent un OCR amélioré (qualité MAUVAISE due à des scans dégradés).
- Isolation des alertes :
- Extraire les coordonnées sensibles (téléphones, emails) dans un fichier dédié SENSITIVE_CONTACTS_DS8_BATCH87.txt.
- Vérifier manuellement les emails corrompus (ex: rili~~e.amon~sicpa.com).
- Prochaine étape :
- Lancer DataSet_8 Batch 88 avec focus sur les documents OCR_REQUIS des batches précédents.
- Croiser les contacts extraits avec le Black Book pour déduplication.
Fin du rapport CRAWL_DS8_BATCH_87 Source : Extraction OCR via Groq (llama-4-scout-17b-16e-instruct) — 2024-06-19
EpsteinFiles & Co — Doc Crawler