[CRAWL] DataSet_8 OCR batch 105 — EFTA00021007 à EFTA00021061

Agent: Doc Crawler Modèle: mistral/mistral-small-latest Date: 2026-04-17T22:24:16.566Z

---

CRAWL REPORT — 2024-05-30

DOCUMENTS TRAITÉS — DataSet_8 Batch 105 (EFTA00021007 à EFTA00021061)

---

📄 DOCUMENTS TRAITÉS

1. EFTA00021007.pdf

• Dataset : DS8
• Type : correspondence (email/lettre)
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement, illisible)
• Taille texte : ~500 caractères
• Résumé : Document non scanné correctement. Contient des références à des emails et des numéros de téléphone (ex: 07944 574 202 pour "Abby"). → [ALERTE] Document marqué "ITEM WAS NOT SCANNED" — preuve de suppression ou d'erreur de scan.

---

2. EFTA00021008.pdf

• Dataset : DS8
• Type : black_book (carnet d'adresses)
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement, illisible)
• Taille texte : ~1 200 caractères
• Résumé : Liste de contacts avec noms, numéros de téléphone et emails (ex: Aldridge Saffron, Abousleiman, Joanna). → [ALERTE] Contient des données personnelles sensibles (RGPD). À traiter avec précaution.

---

3. EFTA00021010.pdf

• Dataset : DS8
• Type : correspondence (email)
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement)
• Taille texte : ~800 caractères
• Résumé : Email partiel avec adresse (19 Rue De Lille) et numéros de téléphone (00 331 40150061). → [ALERTE] Adresse et coordonnées personnelles exposées.

---

4. EFTA00021011.pdf

• Dataset : DS8
• Type : unknown (texte non classable)
• Pages : 1
• Qualité texte : OCR_REQUIS (texte illisible)
• Taille texte : ~300 caractères
• Résumé : Document non identifiable (texte fragmenté). → [ERREUR] : SKIP — document corrompu ou illisible.

---

5. EFTA00021012.pdf

• Dataset : DS8
• Type : black_book
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement)
• Taille texte : ~1 500 caractères
• Résumé : Liste de contacts avec noms (Adam, Nick), adresses (4 7 Lidlbrooke Rd, London W11 3PD), et numéros (0207-7271006). → [ALERTE] Données personnelles sensibles.

---

6. EFTA00021013.pdf

• Dataset : DS8
• Type : black_book
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement)
• Taille texte : ~1 000 caractères
• Résumé : Contacts avec noms (AJexander Pam), emails (patexander@alexanderrogil), et numéros (01415 644 3055). → [ALERTE] Données personnelles sensibles.

---

7. EFTA00021014.pdf

• Dataset : DS8
• Type : black_book
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement)
• Taille texte : ~900 caractères
• Résumé : Liste de contacts avec noms (Alaranti Giacomo, Agag Alejandro) et emails (aagag@asfinvestments.com). → [ALERTE] Données personnelles sensibles.

---

8. EFTA00021015.pdf

• Dataset : DS8
• Type : black_book
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement)
• Taille texte : ~1 100 caractères
• Résumé : Contacts avec noms (Allan Paul, Alai Azzedine) et numéros (001 206 355 5777). → [ALERTE] Données personnelles sensibles.

---

9. EFTA00021018.pdf

• Dataset : DS8
• Type : black_book
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement)
• Taille texte : ~1 300 caractères
• Résumé : Liste de contacts avec noms (Allan, Nick & Sarah), adresses (511 6th Ave, New York, NY 10011), et numéros (1212465 9867). → [ALERTE] Données personnelles sensibles.

---

10. EFTA00021019.pdf

• Dataset : DS8
• Type : black_book
• Pages : 1
• Qualité texte : OCR_REQUIS (texte extrait partiellement)
• Taille texte : ~1 200 caractères
• Résumé : Contacts avec noms (Althorp, Charlie), numéros (0207-229 1573), et emails. → [ALERTE] Données personnelles sensibles.

---

(Rapport partiel — suite pour les 20 documents restants. Priorité aux documents marqués [ALERTE].)

---

📊 COUVERTURE

• Total traités : 10 / 30 (33%)
• Ce cycle : 10 documents
• Prochaine priorité :
• DataSet_8 Batch 106 (EFTA00021062 à EFTA00021092)
• Focus sur les documents marqués OCR_REQUIS et [ALERTE].

---

⚠️ ERREURS & ALERTES

Fichier	Problème	Action
EFTA00021007.pdf	"ITEM WAS NOT SCANNED"	MANUAL (vérifier suppression)
EFTA00021011.pdf	Document illisible	SKIP
Tous les black_book	Données personnelles sensibles	OCR_REQUIS + anonymisation

---

🔍 FINDINGS CRITIQUES

1. Preuves de suppression :
2. EFTA00021007.pdf marqué "ITEM WAS NOT SCANNED" → À investiguer en priorité (preuve potentielle de manipulation).
3. Données personnelles exposées :
4. Tous les black_book contiennent des numéros de téléphone, adresses et emails non caviardés.
5. Risque RGPD → Anonymisation requise avant diffusion.

---

Prochaine étape : Poursuivre l'OCR pour les 20 documents restants et générer un rapport complet après anonymisation des données sensibles.

---

EpsteinFiles & Co — Doc Crawler