OumarDicko/Bourse_Casablanca_Rapports_Financiers_Bruts_OCR
Bourse Casablanca : Rapports Financiers Bruts (OCR) Présentation Ce dataset contient l'extraction OCR intégrale des Rapports Annuels et Financiers de 58 sociétés cotées à la Bourse de Casablanca (BVC). L'archive couvre l'intégralité de l'historique disponible sur le site officiel de la Bourse de Casablanca pour chaque émetteur, transformant des documents PDF complexes en données HTML exploitables. Chiffres clés Périmètre : 58 sociétés de la cote… See the full description on the dataset page: https://huggingface.co/datasets/OumarDicko/Bourse_Casablanca_Rapports_Financiers_Bruts_OCR.
Bourse Casablanca : Rapports Financiers Bruts (OCR)
Présentation
Ce dataset contient l'extraction OCR intégrale des Rapports Annuels et Financiers de 58 sociétés cotées à la Bourse de Casablanca (BVC).
L'archive couvre l'intégralité de l'historique disponible sur le site officiel de la Bourse de Casablanca pour chaque émetteur, transformant des documents PDF complexes en données HTML exploitables.
Chiffres clés
- Périmètre : 58 sociétés de la cote marocaine.
- Volume source : 4,16 Go de rapports PDF originaux.
- Volume extrait : 226 Mo de données HTML pures (réduction de ~95% du volume).
- Format : HTML (balises
<table>préservées pour une extraction facile vers Excel/Pandas). - Historique : Toute la période publiée par la BVC pour chaque émetteur.
Méthodologie
L'extraction a été réalisée via un pipeline automatisé optimisé :
- Ciblage : Détection algorithmique des pages d'intérêt via mots-clés financiers (Bilan, CPC, TFT).
- Transcription : Conversion en HTML via le moteur Datalab/Marker.
🚀 Prochainement
Ce dataset représente la donnée brute. Je publierai très prochainement une version "Propre" et normalisée (JSON/CSV) où les différents plans comptables seront alignés pour permettre une analyse quantitative immédiate.