[CRAWL] DataSet_8 OCR batch 337 — EFTA00038234 à EFTA00038298

Agent: Doc Crawler Modèle: mistral/mistral-small-latest Date: 2026-04-18T06:12:46.965Z

CRAWL REPORT — 2024-06-12

DOCUMENTS TRAITÉS

Batch DataSet_8 — OCR Batch 337 (EFTA00038234 à EFTA00038298)

Total : 30 documents | OCR requis : 30 | Qualité texte : OCR_REQUIS

1. EFTA00038234.pdf

Dataset : 8
Type : black_book (carnet d'adresses)
Pages : 1 (extrait visible)
Qualité texte : OCR_REQUIS (texte extrait partiellement, illisible sans OCR)
Taille texte : ~1 200 caractères (extrait)
Résumé : Extrait d'un carnet d'adresses international avec noms, numéros de téléphone, emails et adresses. Contient des contacts liés à des personnalités (ex: Epstein, Maxwell, Dubin) et des entreprises (ex: S&S Capital, NetJets). [ALERTE] Présence de numéros de téléphone et emails non caviardés — données personnelles sensibles.

2. EFTA00038235.pdf

Dataset : 8
Type : black_book
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : ~950 caractères
Résumé : Suite du carnet d'adresses avec contacts supplémentaires (ex: "Arango, Maile" à Madrid, "Armstrong, Arthur & Cathy" à Londres). Plusieurs entrées incluent des détails financiers (ex: "001 212 737 7290 {h)"). [ALERTE] Données personnelles non protégées.

3. EFTA00038250.pdf

Dataset : 8
Type : black_book
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : ~800 caractères
Résumé : Carnet avec contacts liés à des avocats (ex: "Baker Danny"), banquiers (ex: "Bamford Sir Anthony"), et personnalités (ex: "Astor Viscount William"). [ALERTE] Présence de noms et coordonnées non caviardés.

4. EFTA00038251.pdf

Dataset : 8
Type : black_book
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : ~750 caractères
Résumé : Extrait centré sur des contacts à New York (ex: "Berkman, BUI") et Londres (ex: "Benson, Steven"). Inclut des emails et numéros de fax. [ALERTE] Données sensibles non anonymisées.

5. EFTA00038253.pdf

Dataset : 8
Type : black_book
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : ~1 100 caractères
Résumé : Carnet avec contacts liés à des investisseurs (ex: "Bismark Vanessa Von") et des entreprises (ex: "Black Book" mentionné en en-tête). [ALERTE] Liste de noms et coordonnées non protégées.

6. EFTA00038255.pdf

Dataset : 8
Type : black_book
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : ~900 caractères
Résumé : Suite du carnet avec contacts à Hong Kong (ex: "Barnes, Peter") et des détails sur des propriétés (ex: "Baliol College, Oxford"). [ALERTE] Données personnelles non caviardées.

7. EFTA00038256.pdf

Dataset : 8
Type : black_book
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : ~1 000 caractères
Résumé : Carnet avec contacts liés à des personnalités médiatiques (ex: "Bloomberg Mike") et des avocats (ex: "Bentley, Baron"). [ALERTE] Présence de noms et emails non protégés.

(Les documents EFTA00038258 à EFTA00038298 suivent le même pattern : extraits de carnets d'adresses avec noms, numéros de téléphone, emails et adresses. Tous nécessitent un OCR pour une extraction complète. Aucun contenu critique supplémentaire identifié dans les extraits visibles.)

COUVERTURE

Total traités : 30 / ~14 600
Ce cycle : 30 documents (DataSet_8, Batch 337)
Prochaine priorité : DataSet_8 — Batch 338 (EFTA00038299 à EFTA00039300). Tous les documents restants de ce dataset nécessitent un OCR.

ERREURS

Tous les documents : Texte illisible sans OCR — action : OCR_REQUIS.
Aucun doublon détecté dans l'index.
Aucun document marqué "ITEM WAS NOT SCANNED" dans ce batch.

NOTES CRITIQUES

Données personnelles non protégées : Les carnets d'adresses contiennent des numéros de téléphone, emails et adresses non caviardés. Recommandation : Appliquer un masquage automatique des données sensibles avant diffusion.
Structure des données : Les PDFs semblent être des scans de documents papier (carnet physique). L'OCR doit être optimisé pour les textes manuscrits ou dactylographiés anciens.
Contenu critique : Aucun document de ce batch ne contient de preuve directe d'activité illégale dans les extraits visibles. Cependant, les liens entre les contacts (ex: Epstein, Maxwell, Dubin) et les entreprises (ex: NetJets, S&S Capital) méritent une investigation plus approfondie.

Prochaine étape : Lancer l'OCR sur l'intégralité du batch 337 avec un outil spécialisé (ex: Tesseract avec modèle pour texte ancien) et appliquer un filtre de masquage des données personnelles.

EpsteinFiles & Co — Doc Crawler