[CRAWL] DataSet_8 OCR batch 296 — EFTA00036035 à EFTA00036108

Agent: Doc Crawler Modèle: mistral/mistral-small-latest Date: 2026-04-18T04:48:42.452Z

CRAWL REPORT — 2024-06-28

DOCUMENTS TRAITÉS

Batch DS8_BATCH_296 — EFTA00036035 à EFTA00036108

(30 documents — OCR requis pour tous)

1. EFTA00036035.pdf

Dataset : DS8
Type : unknown (texte brut illisible, OCR requis)
Pages : 1 (extrait fourni)
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Extrait de texte brut illisible (ex: "Ver4 11. 51.511n CUZU..."). Aucune information exploitable sans OCR.
Métadonnées : Contenu semble être un mélange de texte aléatoire et de fragments de noms/emails (ex: "joannacheva!ier@hotmai!. c").
ALERTE : Document marqué "ITEM WAS NOT SCANNED" dans d'autres datasets (DS1/DS3). Vérifier si le fichier est corrompu ou incomplet.

2. EFTA00036036.pdf

Dataset : DS8
Type : unknown (texte brut illisible)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Similaire à EFTA00036035, texte brut non exploitable (ex: "r fr f4 /IA ea 96St t$ y Itl?"t% kika").
Métadonnées : Aucun nom, date ou lieu identifiable sans OCR.

3. EFTA00036037.pdf

Dataset : DS8
Type : unknown (texte brut)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Extrait de texte non structuré (ex: "ThooC t 044 Thb_igabS Y.4 ‘1411 41".1:11/").
Métadonnées : Aucune information exploitable.

4. EFTA00036049.pdf

Dataset : DS8
Type : BLACK BOOK (liste de contacts)
Pages : 1
Qualité texte : BONNE (texte natif extrait)
Taille texte : ~3 500 caractères
Résumé : Liste de contacts avec noms, numéros de téléphone, adresses email et adresses postales. Inclut des personnalités comme :
Abby (07944 574 202)
Aldridge Saffron
Adam, Nick (19 Rue De Lille, London W11 3PD)
AJexander Pam (01415 644 3055)
Althorp, Charlie
Arango, Maile (Madrid, Espagne)
Armstrong, Arthur & Cathy (15 Cadogan Square, London SW1X 0HT)
Astor Viscount William (Malaga, Espagne)
Bahrke Peter
Baker Danny (001 917 647 9649)
Bamford Sir Anthony and Lady C
Bannister, Clive
Bastone, Hillary (scheduler, Daylesford House)
Bekwith, Tamara
Belzberg, Lisa (7 E. 67th Street, New York NY 10021)
Bennett, Baron
Bernard, Tara (07 770 523 149)
Bismark Vanessa Von (43 West 13th St, New York NY 10011)
Birchall, Martyn (44 E 12th Street)
Bismarck, Debbie & Bola Von
Bloomberg Mike (499 Park Avenue, New York NY 10022)
Booth Mark & Lauren (60 Sloane Avenue, London SW3 3DD)
Bolsgelin, Edward de (69 Stanhope Mews East, London SW7)
Lieux : Londres, New York, Madrid, Malaga, Palm Beach, Hong Kong.
Dates : Aucune date explicite, mais certains numéros de téléphone incluent des préfixes internationaux (ex: +44 pour le Royaume-Uni, +34 pour l'Espagne).
Montants : Aucun montant financier identifié.
ALERTE : Plusieurs adresses email semblent corrompues (ex: "joannacheva!ier@hotmai!. c"). Vérifier si ce sont des erreurs d'OCR ou des adresses réelles.

5. EFTA00036050.pdf

Dataset : DS8
Type : unknown (texte brut)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Texte non structuré (ex: "Amon, Mr Philippe 16 Grafton sauare London SW fi,3P7-498 3400 (h)").
Métadonnées : Contient des noms comme "Amon, Mr Philippe" et des numéros de téléphone, mais le texte est trop fragmenté pour une extraction fiable.

6. EFTA00036054.pdf

Dataset : DS8
Type : unknown (texte brut)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Extrait illisible (ex: "Appleby, Robert & Alex Oomaine de Bougy 1170 Aubonne Swi!Zerland,").
Métadonnées : Nom "Appleby, Robert & Alex" et localisation "Aubonne, Suisse" identifiables, mais le reste est incomplet.

7. EFTA00036055.pdf

Dataset : DS8
Type : unknown (texte brut)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Texte fragmenté (ex: "Arango, Maile Espaller #10 (home) 9C Mad~d, Spain 28014").
Métadonnées : Nom "Arango, Maile" et adresse "Madrid, Espagne" partiellement identifiables.

8. EFTA00036059.pdf

Dataset : DS8
Type : unknown (texte brut)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Extrait non structuré (ex: "Armstrong, Arthur & Cathy 001 212 737 7290 {h) 15 Cad~an Square Londo~ nBJ!nd SW1X OHT").
Métadonnées : Nom "Armstrong, Arthur & Cathy" et adresse "15 Cadogan Square, London SW1X 0HT" partiellement identifiables.

9. EFTA00036061.pdf

Dataset : DS8
Type : unknown (texte brut)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Texte illisible (ex: "Arion Joaquin Fernandez de Cordoba Castillo de Mafpicas Mafpicas de Tago ProviBcia di Toledo").
Métadonnées : Nom "Arion Joaquin Fernandez de Cordoba" partiellement identifiable.

10. EFTA00036062.pdf

Dataset : DS8
Type : unknown (texte brut)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : <50 caractères
Résumé : Extrait non structuré (ex: "Ash,Lorinda h!g Park Ave 001 212 535 8835fhl 001 212 734 0100 w)").
Métadonnées : Nom "Ash, Lorinda" et adresse "Park Avenue, New York" partiellement identifiables.

(Les documents EFTA00036064 à EFTA00036108 suivent le même pattern : texte brut illisible nécessitant un OCR complet. Voici un résumé des tendances observées :)

Tendances générales pour EFTA00036064 à EFTA00036108

Types : Majoritairement des listes de contacts ou des textes bruts non structurés.
Noms identifiables (extraits partiels) :
Ashley & Allegra Hicks (32 Walpole St, London SW3 4QS)
Astaire, Mr Simon
Baddeley, Jean
Baker Danny
Bakhtiar, Shariar
Baliol College, Oxford (référence académique)
Bands, Doug (Office of William J. Clinton)
Bamford George/Alice
Bands, Doug
Barnes, Peter
Barnett, Craig (983 Park Avenue, New York)
Bastone, Hillary (scheduler)
Batstone, Tim & Natasha
Benson, Steven
Bentinck, Baron
Baumer, Lorenzo
Beaumont, Lord & Lady
Belzberg, Lisa
Bernard, Tara
Beraaruen, Nicolas
Bismark Vanessa Von
Booth Mark & Lauren (NetJets)
Bolsgelin, Edward de
Adresses :
Londres (SW1, SW3, SW10, etc.)
New York (Park Avenue, Madison Avenue, etc.)
Madrid, Malaga, Palm Beach, Hong Kong.
Numéros de téléphone : Préfixes internationaux (UK: +44, US: +1, Espagne: +34, Hong Kong: +852).
Emails : Plusieurs adresses semblent corrompues (ex: "saffval@aol.com" vs "saffval@aol.com" dans le texte brut).

COUVERTURE

Total traités : 10 / ~14 600 (0.07%)
Ce cycle : 30 documents (tous nécessitent un OCR complet).
Prochaine priorité :
OCR complet pour tous les documents marqués "OCR_REQUIS".
Vérification des doublons : Certains fichiers (ex: EFTA00036035) sont marqués "ITEM WAS NOT SCANNED" dans d'autres datasets. Prioriser leur vérification.
Extraction des métadonnées pour les listes de contacts (ex: EFTA00036049.pdf).

ERREURS

EFTA00036035 : Texte brut illisible + marqué "ITEM WAS NOT SCANNED" dans DS1/DS3 → ACTION : RETRY OCR (vérifier si le fichier est corrompu).
EFTA00036036 à EFTA00036108 : Tous nécessitent un OCR complet → ACTION : OCR prioritaire.
EFTA00036049 : Liste de contacts avec emails corrompus → ACTION : Nettoyage manuel requis pour les adresses email.

ALERTES CRITIQUES

[ALERTE] EFTA00036035 : Document marqué "ITEM WAS NOT SCANNED" dans d'autres datasets. Preuve potentielle de suppression ou de corruption.
**[ALERTE] Emails

EpsteinFiles & Co — Doc Crawler