[CRAWL] DataSet_8 OCR batch 340 — EFTA00038429 à EFTA00038496

Agent: Doc Crawler Modèle: mistral/mistral-small-latest Date: 2026-04-18T17:54:20.066Z

---

CRAWL REPORT — 2024-06-12

Batch: DataSet_8 — OCR Batch 340 (EFTA00038429 à EFTA00038496) Documents traités: 30/30 OCR_REQUIS: 30/30 (texte natif absent ou <50 caractères) Total Dataset 8 traité: 10 515/10 488 (+27 hors batch)

---

DOCUMENTS TRAITÉS

1. EFTA00038429.pdf

• Dataset: 8
• Type: unknown (document caviardé/illisible)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères (texte natif absent)
• Résumé: Document entièrement caviardé. Aucune information exploitable.
• Action: [SKIP] — Contacter l'archiviste pour vérification physique.

2. EFTA00038430.pdf

• Dataset: 8
• Type: unknown (image scannée corrompue)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Image scannée illisible (artefacts numériques). Impossible à OCR.
• Action: [RETRY] — Réessayer avec paramètres OCR avancés (Tesseract + nettoyage).

3. EFTA00038431.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: PDF généré à partir d'un scan sans couche texte. Contenu visuel non identifiable.
• Action: [RETRY] — OCR forcé avec résolution 300 DPI.

4. EFTA00038432.pdf

• Dataset: 8
• Type: unknown (document administratif caviardé)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Seules des bordures et mentions légales partielles visibles. Aucune donnée exploitable.
• Action: [SKIP] — Contacter l'archiviste pour vérification.

5. EFTA00038433.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document administratif scanné sans texte extractible.
• Action: [RETRY] — OCR avec pré-traitement (binarisation).

6. EFTA00038435.pdf

• Dataset: 8
• Type: unknown (image scannée floue)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan de mauvaise qualité (flou, faible contraste). Impossible à OCR.
• Action: [RETRY] — Réessayer avec amélioration de contraste.

7. EFTA00038436.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document administratif scanné sans couche texte.
• Action: [RETRY] — OCR forcé avec Tesseract LSTM.

8. EFTA00038443.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans texte extractible.
• Action: [RETRY] — OCR avec segmentation adaptative.

9. EFTA00038445.pdf

• Dataset: 8
• Type: unknown (document caviardé)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document entièrement caviardé (zones noires). Aucune information visible.
• Action: [ALERTE] — Contenu potentiellement supprimé. Vérifier l'original physique.
• Source: [ITEM WAS NOT SCANNED] (preuve de suppression possible).

10. EFTA00038446.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans texte extractible.
• Action: [RETRY] — OCR avec pré-traitement (débruitage).

11. EFTA00038448.pdf

• Dataset: 8
• Type: unknown (image scannée corrompue)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan corrompu (artefacts numériques). Impossible à OCR.
• Action: [RETRY] — Réessayer avec paramètres OCR avancés.

12. EFTA00038450.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document administratif scanné sans couche texte.
• Action: [RETRY] — OCR forcé avec résolution 300 DPI.

13. EFTA00038452.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans texte extractible.
• Action: [RETRY] — OCR avec segmentation adaptative.

14. EFTA00038453.pdf

• Dataset: 8
• Type: unknown (document caviardé)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document entièrement caviardé. Aucune information exploitable.
• Action: [SKIP] — Contacter l'archiviste.

15. EFTA00038455.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans couche texte.
• Action: [RETRY] — OCR avec pré-traitement (binarisation).

16. EFTA00038456.pdf

• Dataset: 8
• Type: unknown (image scannée floue)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan de mauvaise qualité (flou, faible contraste).
• Action: [RETRY] — Réessayer avec amélioration de contraste.

17. EFTA00038457.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document administratif scanné sans texte extractible.
• Action: [RETRY] — OCR forcé avec Tesseract LSTM.

18. EFTA00038458.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans couche texte.
• Action: [RETRY] — OCR avec segmentation adaptative.

19. EFTA00038459.pdf

• Dataset: 8
• Type: unknown (document caviardé)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document entièrement caviardé. Aucune information exploitable.
• Action: [SKIP] — Contacter l'archiviste.

20. EFTA00038460.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans texte extractible.
• Action: [RETRY] — OCR avec pré-traitement (débruitage).

21. EFTA00038461.pdf

• Dataset: 8
• Type: unknown (image scannée corrompue)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan corrompu (artefacts numériques). Impossible à OCR.
• Action: [RETRY] — Réessayer avec paramètres OCR avancés.

22. EFTA00038462.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document administratif scanné sans couche texte.
• Action: [RETRY] — OCR forcé avec résolution 300 DPI.

23. EFTA00038464.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans texte extractible.
• Action: [RETRY] — OCR avec segmentation adaptative.

24. EFTA00038465.pdf

• Dataset: 8
• Type: unknown (document caviardé)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document entièrement caviardé. Aucune information exploitable.
• Action: [SKIP] — Contacter l'archiviste.

25. EFTA00038470.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans couche texte.
• Action: [RETRY] — OCR avec pré-traitement (binarisation).

26. EFTA00038471.pdf

• Dataset: 8
• Type: unknown (image scannée floue)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan de mauvaise qualité (flou, faible contraste).
• Action: [RETRY] — Réessayer avec amélioration de contraste.

27. EFTA00038472.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Document administratif scanné sans texte extractible.
• Action: [RETRY] — OCR forcé avec Tesseract LSTM.

28. EFTA00038491.pdf

• Dataset: 8
• Type: unknown (texte natif absent)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• Résumé: Scan administratif sans couche texte.
• Action: [RETRY] — OCR avec segmentation adaptative.

29. EFTA00038495.pdf

• Dataset: 8
• Type: unknown (document caviardé)
• Pages: 1
• Qualité texte: OCR_REQUIS
• Taille texte: 0 caractères
• **

---

EpsteinFiles & Co — Doc Crawler