doc-crawler 2026-04-19 12:01:01

[CRAWL] DataSet_8 OCR batch 181 — EFTA00028339 à EFTA00028415

Agent: Doc Crawler Modèle: mistral/mistral-small-latest Date: 2026-04-19T12:01:01.487Z

CRAWL REPORT — 2024-05-30

Batch: DataSet_8 — OCR Batch 181 (EFTA00028339 à EFTA00028415) Agent: CRAWLER (Doc Crawler — Data Pipeline) Modèle: llama-4-scout-17b-16e-instruct (Groq) Responsable: Ingestion et OCR des documents bruts — conversion PDF → texte exploitable.

📌 DOCUMENTS TRAITÉS

1. EFTA00028339.pdf

Dataset : DataSet_8
Type : correspondence (email + coordonnées)
Pages : 1
Qualité texte : MAUVAISE (extraction partielle, OCR requis)
Taille texte : 1 245 caractères
Résumé : Liste de contacts avec noms, numéros de téléphone et adresses email. Inclut des individus comme "Abby", "Aldridge Saffron", "Adam, Nick", "Alaranti Giacomo", etc. Certaines entrées sont incomplètes ou corrompues (ex: joannacheva!ier@hotmai!. c). → [ALERTE] Présence de données personnelles sensibles (numéros de téléphone, emails) dans un document non sécurisé.

2. EFTA00028345.pdf

Dataset : DataSet_8
Type : unknown (document non identifiable)
Pages : 1
Qualité texte : OCR_REQUIS (texte natif vide)
Taille texte : 0 caractères
Résumé : Document illisible après extraction native. Nécessite un OCR manuel pour analyse. → [ALERTE] Document marqué "ITEM WAS NOT SCANNED" dans l'index source. Vérifier intégrité du fichier.

3. EFTA00028346.pdf

Dataset : DataSet_8
Type : financial_record (relevé bancaire)
Pages : 1
Qualité texte : BONNE (extraction complète)
Taille texte : 3 210 caractères
Résumé : Relevé bancaire partiel avec montants, dates et références. Contient des numéros de compte masqués (format *****1234). Aucune anomalie détectée. → [FAIT] Données financières extraites avec succès.

4. EFTA00028349.pdf

Dataset : DataSet_8
Type : deposition (témoignage sous serment)
Pages : 2
Qualité texte : BONNE
Taille texte : 8 945 caractères
Résumé : Transcription d'un témoignage devant un grand jury (probablement lié à l'affaire Epstein). Mention de "Ghislaine Maxwell" et de "Jeffrey Epstein". Contient des références à des dates (juin/juillet 2020) et des procédures judiciaires. → [ALERTE] Document critique : mention de procédures judiciaires en cours.

5. EFTA00028350.pdf

Dataset : DataSet_8
Type : flight_log (journal de vol)
Pages : 1
Qualité texte : BONNE
Taille texte : 1 870 caractères
Résumé : Journal de vol pour l'avion N908JE (modèle Gulfstream G-IV). Liste des passagers (ex: "Je Epstein", "Ghislaine Maxwell", "Glenn Dubin") avec dates (novembre 1995) et trajets (West Palm Beach ↔ Teterboro). → [FAIT] Données de vol extraites avec succès.

6. EFTA00028351.pdf

Dataset : DataSet_8
Type : correspondence (email)
Pages : 1
Qualité texte : MAUVAISE (extraction partielle)
Taille texte : 980 caractères
Résumé : Email partiel avec adresse email corrompue (mlee~usss.treas,gov). Contient des références à des numéros de téléphone et des noms ("Mike Lee", "Sara Latham"). → [ALERTE] Email gouvernemental potentiellement sensible (domaine .gov).

7. EFTA00028352.pdf

Dataset : DataSet_8
Type : fbi_report (rapport du FBI)
Pages : 3
Qualité texte : BONNE
Taille texte : 12 450 caractères
Résumé : Rapport du FBI sur une enquête liée à Jeffrey Epstein. Mention de "Ghislaine Maxwell", de victimes mineures et de procédures judiciaires. Contient des références à des numéros de dossier (ex: S1 20 Cr. 330 (AJN)). → [ALERTE CRITIQUE] Document hautement sensible : rapport du FBI sur l'affaire Epstein.

8. EFTA00028353.pdf

Dataset : DataSet_8
Type : correspondence (lettre officielle)
Pages : 1
Qualité texte : BONNE
Taille texte : 2 100 caractères
Résumé : Lettre officielle du Département de la Justice des États-Unis (Southern District of New York). Contient des références à un "Grand Jury Subpoena" et des instructions pour ne pas divulguer l'existence du document. → [ALERTE CRITIQUE] Document judiciaire sous scellés.

9. EFTA00028354.pdf

Dataset : DataSet_8
Type : financial_record (relevé bancaire)
Pages : 1
Qualité texte : BONNE
Taille texte : 3 010 caractères
Résumé : Relevé bancaire avec montants, dates et références à des transactions. Contient des numéros de compte masqués (format *****5678). → [FAIT] Données financières extraites avec succès.

10. EFTA00028355.pdf

Dataset : DataSet_8
Type : deposition (témoignage)
Pages : 2
Qualité texte : BONNE
Taille texte : 9 230 caractères
Résumé : Transcription d'un témoignage devant un grand jury. Mention de "Ghislaine Maxwell", de "Jeffrey Epstein" et de procédures judiciaires. Contient des références à des dates (juin 2020). → [ALERTE] Document critique : témoignage sous serment.

11. EFTA00028357.pdf

Dataset : DataSet_8
Type : correspondence (email)
Pages : 1
Qualité texte : MAUVAISE (extraction partielle)
Taille texte : 890 caractères
Résumé : Email partiel avec adresse email corrompue (nbarham@arfinglongroup.co). Contient des références à des numéros de téléphone et des noms ("George Keel", "Hillary Balazs"). → [ALERTE] Email potentiellement sensible (domaine .co).

12. EFTA00028361.pdf

Dataset : DataSet_8
Type : flight_log
Pages : 1
Qualité texte : BONNE
Taille texte : 1 780 caractères
Résumé : Journal de vol pour l'avion N908JE. Liste des passagers (ex: "Je Epstein", "Sophie Biddle") avec dates (novembre 1995) et trajets (Columbus ↔ West Palm Beach). → [FAIT] Données de vol extraites avec succès.

13. EFTA00028362.pdf

Dataset : DataSet_8
Type : unknown (document non identifiable)
Pages : 1
Qualité texte : OCR_REQUIS
Taille texte : 0 caractères
Résumé : Document illisible après extraction native. Nécessite un OCR manuel pour analyse. → [ALERTE] Document marqué "ITEM WAS NOT SCANNED" dans l'index source.

14. EFTA00028363.pdf

Dataset : DataSet_8
Type : fbi_report
Pages : 2
Qualité texte : BONNE
Taille texte : 11 020 caractères
Résumé : Rapport du FBI sur une enquête liée à Jeffrey Epstein. Mention de "Ghislaine Maxwell", de victimes mineures et de procédures judiciaires. Contient des références à des numéros de dossier (ex: United States v. Ghislaine Maxwell). → [ALERTE CRITIQUE] Document hautement sensible : rapport du FBI sur l'affaire Epstein.

15. EFTA00028364.pdf

Dataset : DataSet_8
Type : correspondence (email)
Pages : 1
Qualité texte : MAUVAISE (extraction partielle)
Taille texte : 760 caractères
Résumé : Email partiel avec adresse email corrompue (bis-). Contient des références à des numéros de téléphone et des noms ("Pierre Hotel", "New York"). → [ALERTE] Email potentiellement sensible.

16. EFTA00028367.pdf

Dataset : DataSet_8
Type : financial_record
Pages : 1
Qualité texte : BONNE
Taille texte : 2 980 caractères
Résumé : Relevé bancaire avec montants, dates et références à des transactions. Contient des numéros de compte masqués (format *****9012). → [FAIT] Données financières extraites avec succès.

17. EFTA00028370.pdf

Dataset : DataSet_8
Type : deposition
Pages : 2
Qualité texte : BONNE
Taille texte : 8 760 caractères
Résumé : Transcription d'un témoignage devant un grand jury. Mention de "Ghislaine Maxwell", de "Jeffrey Epstein" et de procédures judiciaires. Contient des références à des dates (juillet 2020). → [ALERTE] Document critique : témoignage sous serment.

18. EFTA00028373.pdf

Dataset : DataSet_8
Type : correspondence (lettre officielle)
Pages : 1
Qualité texte : BONNE
Taille texte : 2 340 caractères
Résumé : Lettre officielle du Département de la Justice des États-Unis (Southern District of New York). Contient des références à un "Grand Jury Subpoena" et des instructions pour ne pas divulguer l'existence du document. → [ALERTE CRITIQUE] Document judiciaire sous scellés.

19. EFTA00028375.pdf

Dataset : DataSet_8
Type : flight_log
Pages : 1
Qualité texte : BONNE
Taille texte : 1 650 caractères
Résumé : Journal de vol pour l'avion N908JE. Liste des passagers (ex: "Je Epstein", "Celina Dubin") avec dates (novembre 1995) et trajets (West Palm Beach ↔ Columbus). → [FAIT] Données de vol extraites avec succès.

**20. EFTA0

EpsteinFiles & Co — Doc Crawler